這項研究探討大型語言模型（LLMs），特別是GPT-4，如何分析1型糖尿病患者的持續血糖監測（CGM）數據。研究發現，GPT-4在10項定量指標中有9項達到完美準確度，並且在兩位臨床評分者的評估下，其生成的定性描述在準確性、完整性和安全性方面表現優異。這顯示GPT-4能有效總結CGM數據，可能提升糖尿病護理，並提供分析醫療數據的新方法。 PubMed DOI

這項研究探討大型語言模型（LLMs）在總結睡眠醫學研究文章的效果，並與醫學生的摘要進行比較。19名醫學生評估了三個AI生成和三個人類生成的摘要，結果顯示兩者在可讀性和理解上無顯著差異（p值均大於0.2）。不過，研究也指出參與者人數少、可能的偏見及缺乏視覺輔助等限制。總體來看，AI生成的摘要與人類的相當，但仍需進一步研究以了解AI在醫學文獻總結中的優缺點。 PubMed DOI

這項研究探討了使用GPT-4作為神經科學及醫學領域的病史採集工具。研究人員進行了一項觀察性試點研究，利用已發表的案例報告來獲取病史資料。研究使用三個模型來評估病史的準確性，結果顯示整體內容檢索準確率為81%。其中，頭痛的準確率為84%，中風82%，神經退行性疾病77%。雖然結果顯示這個大型語言模型能有效提取重要資訊，但仍需進一步驗證，以結合電子病歷和病人護理，發展更完善的診斷工具。 PubMed DOI

這項研究提出了一個混合人工智慧（AI）系統，旨在提升自動解讀腦電圖（EEG）的能力，特別針對小型醫院和診所的需求。系統結合深度學習模型、無監督的伪影去除技術及專家算法，能有效預測後顱主導節律（PDR）並檢測異常。使用1530個標記的EEG數據，最佳模型的準確率顯著超越神經科醫生，並在報告生成上達到100%準確率。這個系統不僅可擴展，還能提高診斷準確性，減少誤診情況。 PubMed DOI

為了提升住院病人的睡眠品質，我們開發了一個對話式代理，能有效收集和分析睡眠數據。這個系統使用Richards-Campbell睡眠問卷，並加入環境因素的問題，如房間溫度和照明，全面評估睡眠干擾。透過病人的口頭回應，代理能識別影響睡眠的環境和護理因素，並提供非藥物介入方案。結合先進的人工智慧技術，這個系統簡化了睡眠評估，支持以病人為中心的醫療，展現提升睡眠品質管理的潛力。 PubMed DOI

這項研究顯示生成式人工智慧在自動化將非結構化病理報告轉為結構化格式方面的有效性，特別針對台北醫學大學醫院的乳腺癌報告。研究人員使用ChatGPT大型語言模型，透過Streamlit網頁應用程式達到99.61%的準確率，並顯著縮短處理時間，優於傳統方法。雖然目前僅限於單一機構及乳腺癌報告，但未來計畫將擴展至其他癌症類型並進行外部驗證，以確保系統的穩健性。總體而言，這顯示人工智慧能有效提升病理報告處理效率，促進生物醫學研究的進步。 PubMed DOI

這項研究用19個真實案例測試ChatGPT-4診斷睡眠障礙的能力，結果顯示它能正確辨識約63%的鑑別診斷和近79%的最終診斷，對簡單案例表現較好。雖然有潛力協助診斷，但遇到複雜案例時準確率會下降，臨床應用前還需再改進和驗證。 PubMed DOI

這項研究用30個虛構案例發現，ChatGPT在建議生活型態改變上，跟睡眠專科醫師很接近，但比較容易建議多做醫療檢查。雖然是模擬資料，結果顯示LLM有潛力協助辨識睡眠健康風險並支援臨床，但還需要用真實資料再研究。 PubMed DOI

SleepBert 是新一代 AI 模型，結合睡眠檢查數據和臨床紀錄，提升睡眠障礙診斷的準確率。它經過微調並加入即時醫學證據檢索，不只比現有模型更快更準，也幫助醫師有效分析複雜數據，找出罕見睡眠障礙的線索。 PubMed DOI

這項研究用大型語言模型（LLMs）自動從電子病歷的臨床紀錄辨識失眠，準確度高於傳統BERT模型（F1分數93.0和85.7）。這個方法不只偵測失眠效果好，也有潛力應用在其他容易被忽略的疾病診斷上。 PubMed DOI