這項研究評估了大型語言模型 ChatGPT-4o 在提供阻塞性睡眠呼吸暫停症（OSA）治療病人支持的有效性，特別針對正壓呼吸治療（PAP）和舌下神經刺激治療（HGNS）。研究發現，ChatGPT-4o 在提供 PAP 醫學資訊方面表現較佳，平均得分為 4.9，而 HGNS 為 4.6，且有顯著差異。專家評估顯示，PAP 回應的完整性高達 88.24%，而 HGNS 僅 54.9%。總體而言，ChatGPT-4o 可作為睡眠醫學中病人支持的有用工具，但在 HGNS 方面仍有改進空間。 PubMed DOI

大型語言模型（LLMs）在基礎牙科護理中展現潛力，特別是在診斷口腔疾病方面。評估顯示，這些模型在診斷顳顎關節障礙、牙周病、齲齒和錯牙合等病症上都有不錯的表現。特別是ChatGPT 3.5在中文中對牙髓炎的診斷能力從0%提升至61.7%，但對冠周炎的診斷能力下降。相比之下，ChatGPT 4.0在牙髓炎和冠周炎的診斷上都有顯著提升。總體來看，雖然LLMs在牙科護理中有潛力，但仍需進一步改進。 PubMed DOI

大型語言模型（LLMs）在醫療領域的應用越來越受到重視，能提升診斷準確性和病患照護效率。本研究透過文獻計量分析，探討2021至2024年間的研究趨勢，分析超過500篇相關文章，並使用VOSviewer和CiteSpace工具進行系統性回顧。主要發現顯示，神經網絡在影像診斷和自然語言處理等方面的應用顯著增長，並識別出臨床研究、人工智慧等新興子主題。這項分析不僅概述了當前狀態，還指出未來發展的關鍵領域。 PubMed DOI

這項研究評估大型語言模型（LLMs）在小兒耳鼻喉科資訊提供的有效性，並與人類醫師比較。研究中提出54個問題，詢問幾個LLMs、一名住院醫師和一位小兒ORL專家。結果顯示，LLMs在理論情境下表現接近專家，但缺乏來源透明度，且在病人中心問題上效果較差。評審者對於區分人類與AI回答的共識不佳。總體而言，LLMs在小兒ORL有輔助潛力，但仍需人類監督以改善來源透明度和溝通能力。 PubMed DOI

這項研究探討使用OpenAI的Whisper模型來檢測超鼻音，這是一種與軟顎咽部不足（VPI）相關的語音障礙，對心理社會和功能影響重大。傳統診斷方法需專業技術和設備，資源有限時難以取得。 研究人員調整Whisper模型進行二元分類，並在包含184個音頻錄音的數據集上訓練，結果顯示測試準確率達97%，F1分數為0.97，超越傳統機器學習方法。Whisper模型在各種錄音條件下表現優異，所需訓練數據量少，顯示其在超鼻音檢測中的可擴展性和效率，能有效優化臨床資源配置。 PubMed DOI

這項研究測試了11款大型語言模型在耳鼻喉科專科考題上的表現，GPT-4o正確率最高，特別擅長過敏學和頭頸腫瘤題目。Claude系列表現也不錯，但還是略輸GPT-4。GPT-3.5 Turbo的正確率則比去年下降。所有模型答單選題都比多選題好。整體來看，新一代LLM在醫療領域很有潛力，但表現會變動，需持續追蹤和優化。 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

這篇系統性回顧分析17篇研究，探討大型語言模型（如ChatGPT、Claude、Gemini）在耳鼻喉頭頸外科臨床決策的應用。結果顯示，LLMs在診斷準確率中等，Claude表現通常比ChatGPT好，但在檢查和治療建議的準確率偏低，且不同次專科差異大。總結來說，LLMs在診斷有潛力，但治療建議還不夠穩定，未來需標準化研究方法。 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