腎病理學中的AI應用快速增加，尤其在影像分析和非腫瘤樣本上。合作跨領域專家對開發有效AI工具至關重要。研究主要在美國進行，並朝向更複雜的任務，如深度學習多染色分類。 PubMed DOI

AI可透過分析臨床和患者數據改善ASCVD風險評估，提升篩檢效果並增進指南遵循。AI模型個人化風險評估優於傳統，可自動檢測ASCVD風險標誌如CAC。LLM有助於填補預防護理缺口，改善患者教育。AI在ASCVD預防和管理上有潛力，但臨床整合需有規範、反覆的途徑。 PubMed DOI

這篇論文回顧了人工智慧（AI）在缺血性中風影像學的進展，強調其在自動分割梗塞區域、大血管阻塞檢測及預測中風結果的應用。研究指出，機器學習（ML）和深度學習（DL）能提升診斷準確性，但仍面臨數據不足、模型可解釋性差及需即時更新等挑戰。此外，論文探討了大型語言模型的潛力，並強調建立大型公共數據庫的重要性。總之，儘管AI在缺血性中風管理上有潛力，但克服技術與實際挑戰對於臨床應用至關重要。 PubMed DOI

這篇社論探討了「ChatGPT和生成式人工智慧（AI）在醫療安全教育中的潛力與限制」，指出AI在川崎病（KD）領域的重要性。文中提到三大應用：首先，機器學習（ML）可用於KD診斷，已開發多種臨床預測模型；其次，基因信號計算工具箱能幫助識別KD及監測相關臨床特徵；最後，深度學習（DL）技術在心臟超音波檢測上表現優異，與專家相當。社論強調需利用更多醫療數據提升AI決策準確性，並關注患者隱私及責任問題，期待AI能改善KD的診斷與治療。 PubMed DOI

虛擬助手能模仿人類對話，對提升醫療保健，特別是血管外科，潛力巨大。它們可協助醫生與病人進行診斷、管理疾病，並處理行政事務。隨著血管疾病增加，這些數位工具能減輕醫療人員的負擔。隨著人工智慧和自然語言處理的進步，像GPT-4的模型能推動虛擬助手的發展，促進多學科護理。然而，實施時需考量設計、安全性及倫理等問題，以確保技術的公平與有效使用。本文將探討虛擬助手在血管外科的應用及其優缺點。 PubMed DOI

人工智慧（AI）在各科學領域的應用日益增多，尤其是機器學習和自然語言處理（NLP）。本研究評估了GPT-4 AI模型在血管外科病人診斷與管理的表現，測試了57個臨床情境。結果顯示，該模型正確回答超過65%的問題，但在解釋複雜情境時仍有27%的錯誤，且14%的不準確來自過時資訊。總體而言，GPT-4具潛力成為臨床醫師的輔助工具，但仍需謹慎檢查其推理準確性。 PubMed DOI

人工智慧（AI）正顯著改變風濕病學的研究，提升診斷、預後和治療預測的能力。研究者探索AI如何簡化工作流程、改善藥物發現及優化臨床試驗。機器學習在準確分類風濕性疾病和預測治療結果方面表現出色，並利用多種數據來源。生成式AI也逐漸成為自動化文獻回顧和支持臨床決策的重要工具。本文討論AI在風濕病學的應用及其面臨的倫理和監管挑戰，強調謹慎整合以發揮其潛力。 PubMed DOI

人工智慧（AI）在醫療保健，特別是重症醫療中，顯示出改善病人結果的潛力。本系統性回顧分析了1364篇文章，最終納入24項研究，涵蓋傳統模型、機器學習、深度學習及生成式AI等技術。研究結果顯示，AI能有效預測術後併發症、ICU入院等健康結果。雖然AI在護理領域展現潛力，但研究多樣性使得無法明確評估其有效性，未來需進一步探討AI對護理結果的影響。 PubMed DOI

人工智慧（AI）在小兒風濕病學的應用越來越受到重視，雖然面臨訓練數據、倫理和可解釋性等挑戰。近期進展顯示，機器學習模型能有效識別生物標記、預測治療反應，並根據疾病特徵進行患者分層。AI驅動的影像工具和非侵入性診斷方法提升了診斷準確性，幫助檢測炎症和疾病活動。此外，大型語言模型也能有效回答患者問題。不過，對AI結果的解讀仍需謹慎和人類監督。總的來說，AI正在改變小兒風濕病學，提升診斷和個性化治療，但這才是個開始。 PubMed DOI

視網膜影像提供了一種非侵入性的方法，能夠觀察眼睛中的血管和神經纖維，並透過眼科組學深入了解全身健康。近期研究探討視網膜生物標記與多種全身性疾病的關聯，並結合人工智慧（AI）提升疾病檢測的潛力。數位彩色眼底攝影、光學相干斷層掃描（OCT）等技術被應用於篩檢和早期檢測。儘管AI展現潛力，但在數據質量和技術實施上仍面臨挑戰。這篇綜述旨在成為研究人員和臨床醫生的資源，促進AI在臨床的應用。 PubMed DOI