這項研究評估了AI語言模型GPT-3在診斷和分診的表現，並與一般人和醫生進行比較，使用了48個醫療案例。結果顯示，GPT-3在88%的案例中準確診斷，優於一般人（54%），但低於醫生（96%）。在分診準確性方面，GPT-3達70%，接近一般人（74%），但仍低於醫生（91%）。雖然GPT-3對預測的信心合理，但在急迫案例中準確性下降，偶爾會將緊急案例降為次要。總體而言，GPT-3的診斷表現不錯，但分診效果仍不如醫生。 PubMed DOI

這項研究評估了ChatGPT-4o在急性心臟病案例中的表現，並與心臟科醫生和急診醫生進行比較。結果顯示，ChatGPT-4o和心臟科醫生的準確性均達100%，而急診醫生較低。ChatGPT-4o反應最快，且在準確性和完整性上得分最高。研究顯示，ChatGPT-4o的表現優於人類醫生，顯示其在臨床決策支持上的潛力，但人類監督仍然對安全整合AI進醫療至關重要。 PubMed DOI

這篇文章探討了ChatGPT在診斷常見心律不整的潛力，研究分析了20,000名心律異常病患的電子病歷。結果顯示，ChatGPT的敏感度達93%、特異度89%、正確預測值91%及負確預測值92%。ROC曲線分析的AUC為0.743，顯示其診斷表現相當優秀。研究指出，ChatGPT的診斷能力與臨床專家相當，顯示其在輔助臨床決策及改善病人結果方面的潛力。 PubMed DOI

這項研究評估了GPT-4解讀12導程心電圖的能力，分析了150份心電圖，並將其分類為心律不整、傳導系統異常、急性冠狀動脈症候群等。結果顯示，GPT-4在無臨床背景下的正確率僅19%，但加入臨床情境後提升至45%。特別是在急性冠狀動脈症候群中，準確率從10%增至70%。雖然GPT-4在心電圖解讀上顯示潛力，但準確性受限於臨床背景，顯示目前不適合單獨使用。 PubMed DOI

這項研究評估了AI模型ChatGPT-4在解讀動脈血氣（ABG）結果的有效性，並與經驗豐富的麻醉醫師進行比較。研究分析了400個重症監護病房的ABG樣本，結果顯示ChatGPT-4在大多數參數上準確度高，像是pH值、氧合、鈉和氯的準確度達100%。不過，血紅素和膽紅素的準確度較低，且有時會建議不必要的碳酸氫鹽治療，顯示在酸鹼平衡的判斷上仍需改進。總體來看，ChatGPT-4在ABG解讀上有潛力，但複雜的代謝標記仍需臨床醫師的監督。未來應加強AI對細微代謝數據的解讀能力，以確保臨床安全。 PubMed DOI

本研究探討AI模型（如GPT-3.5和GPT-4）在急診科生成病症鑑別診斷的表現，並與急診科醫師的準確性進行比較。結果顯示，ChatGPT-4的準確率為85.5%，略高於ChatGPT-3.5的84.6%和醫師的83%。特別是在腸胃主訴方面，ChatGPT-4的準確性達87.5%。研究顯示AI模型在臨床決策中具潛在應用價值，建議未來進一步探索AI在醫療中的應用。 PubMed DOI

這項研究評估了基於ChatGPT的AI模型在解讀心電圖（ECG）的效果，並與心臟科醫生進行比較。分析了107個不同難度的ECG案例，結果顯示心臟科醫生的準確率為92.52%，遠高於AI模型的57.94%至62.62%。雖然AI在女性患者的表現較佳，但整體上仍不如醫生。研究指出，AI模型在ECG解讀上有潛力，但目前的可靠性不足，需進一步研究以提升準確性，特別是在複雜診斷方面。 PubMed DOI

心臟復健（CR）能提升存活率、減少住院率並改善生活品質，但參與的障礙包括可及性和社會經濟因素。本研究探討人工智慧（AI），特別是ChatGPT，在心臟復健中的應用。研究評估了ChatGPT對40個問題的回答，結果顯示其在提供符合指導方針的建議上表現良好，尤其在風險分層和病人安全策略方面。然而，對於老年病人和高強度訓練的管理仍有不足。未來需加強個性化和臨床驗證，以便更好地融入醫療環境。 PubMed DOI

這項研究探討了使用ChatGPT 4.0搭配「X-Ray Interpreter」來解讀急診胸部X光片。分析了1,400張來自NIH的影像，涵蓋七種病理類別。ChatGPT在識別正常X光片方面表現優異，敏感度達98.9%，特異度93.9%。對於肺炎和氣胸的診斷表現較好，但在肺不張和肺氣腫上則較差。總體來看，ChatGPT作為輔助診斷工具顯示潛力，但對於更細微的診斷仍需改進，未來可與專業影像識別模型整合以提升能力。 PubMed DOI

ChatGPT 在解讀動脈血液氣體分析（ABG）時，對常見急診案例的表現和醫師相當接近，但遇到中毒或混合型酸鹼失衡時準確度就明顯下降。不過，它給的臨床建議都算安全，適合當作輔助工具，但還是不能完全取代專業醫師判斷。 PubMed DOI