人工智慧，特別是ChatGPT，被提及可輔助中風患者機械溶栓的臨床判斷。杜蘭大學醫療中心研究指出，ChatGPT與醫師意見一致率為54.3%，但8.8%出現錯誤。雖然ChatGPT有潛力協助臨床判斷，但不能全然依賴。或許可提升臨床醫師工作效率。 PubMed DOI

研究使用GPT-4語言模型，成功應用於急性中風病灶定位。模型準確處理病史和檢查文本，提供準確的臨床推理。在病灶定位方面表現優異，但偶爾出現錯誤。總結來說，GPT-4有潛力成為神經學中實用的臨床工具。 PubMed DOI

這項研究評估了人工智慧工具ChatGPT-4V在急性中風診斷中的有效性，透過分析530張MRI影像，包括266例中風和264例正常病例。主要發現顯示，ChatGPT-4V在識別中風影像的準確率為88.3%，正常影像為90.1%。在檢測擴散限制方面，準確率為79.5%，但對於受影響半球的識別僅為26.2%。總體而言，該工具的診斷敏感性為79.57%，特異性為84.87%，顯示其在中風診斷中輔助醫療專業人員的潛力。 PubMed DOI

腦出血是一種危急的醫療狀況，需迅速診斷和治療。雖然CT掃描是關鍵，但在資源有限的情況下，經驗不足的放射科醫生可能影響診斷效果。本研究探討使用GPT-4模型來識別CT掃描中的腦出血，分析了208個掃描結果。GPT-4的整體識別率為72.6%，在硬膜外和腦實質內出血表現最佳，但在慢性硬膜下出血方面較差。放射科醫生對GPT-4的表現給予正面評價，顯示其在放射影像領域的潛力。 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在院前篩檢急性缺血性中風（AIS）和大血管阻塞（LVO）的效果。研究在茂名市人民醫院進行，分析了400份急診病歷。結果顯示，GPT-4在AIS和LVO的篩檢準確率上均優於GPT-3.5，特別是在神經推理和事實正確性方面表現更佳。整體來看，GPT-4有潛力成為急救醫療服務中有效的決策支持工具，可能改善及時介入的效果。 PubMed DOI

本研究評估了兩種AI模型（ChatGPT-4o和Claude 3.5 Sonnet）在檢測急性缺血性中風（AIS）方面的表現。分析了110例擴散加權影像（DWI），結果顯示Claude 3.5 Sonnet在靈敏度和特異性上均優於ChatGPT-4o，特別是在AIS的定位準確性上。雖然Claude 3.5 Sonnet的表現較佳，但兩者在準確性上仍有顯著限制，顯示出AI在臨床應用前需進一步發展。這強調了AI在放射診斷中的潛力與現階段的不足。 PubMed DOI

這項研究探討了GPT-4在提供未破裂顱內動脈瘤（UIAs）患者治療建議的能力。研究發現，GPT-4能分析臨床資訊並生成建議，且未出現事實錯誤，但在25%的案例中未提供具體建議。專家對其建議的評分中位數為3.4分，且與神經血管委員會的決策一致性為65%。專家對AI的輔助能力共識程度偏低。總體而言，GPT-4的具體性和對科學證據的依賴尚不足以取代專業決策，建議進一步評估其臨床應用能力。 PubMed DOI

這項研究評估了ChatGPT在急診部門對懷疑中風患者的決策支持潛力，於安卡拉Etlik市立醫院進行，涵蓋512名患者。研究比較了ChatGPT在中風中心運送、大血管阻塞懷疑及治療選擇的決策，結果顯示其建議與實際結果一致性高，中風診斷敏感度達91%，靜脈內治療的高陰性預測值分別為98%和97%。雖然ChatGPT顯示出潛力，但研究強調醫師監督的重要性，建議將其作為輔助工具整合進臨床決策過程，以提升效率並確保患者安全。 PubMed DOI

這項研究探討了使用ChatGPT（特別是GPT-4版本）來協助輕度創傷性腦損傷（TBI）患者的臨床決策。研究分析了17個案例，四位急診醫學專家根據清晰度、科學準確性和滿意度評估GPT-4的回應。主要發現顯示，雖然GPT-4在提供科學合理的回應上有潛力，但關鍵錯誤和可讀性問題顯示在緊急情況下仍需專業醫療人員的監督。 PubMed DOI

這項研究評估了GPT-4在預測中風病因的能力，使用了腦部影像、心臟超音波及病歷資料等診斷元素。分析基於14個案例，經過五次試驗，並採用TOAST分類系統。結果顯示，GPT-4的準確率高，特異性達0.99，敏感性0.97，精確度0.96，F1分數為0.97。它在心源性栓塞和小血管阻塞方面表現特別好，但大血管動脈硬化的精確度稍低。這顯示GPT-4在中風病因預測上有潛力，但仍需進一步研究來驗證。研究也提到作者之間的潛在利益衝突。 PubMed DOI