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

心電圖（ECG）是監測心臟健康的重要工具，但解讀需要專業知識。近期，我們開發了ECG-Language Model（ECG-LM），這是首個能同時處理自然語言和ECG信號的多模態大型語言模型。透過生成文本-ECG配對數據集，ECG-LM在心血管疾病的診斷、節律和形態檢測上表現優於現有方法，顯示出其在疾病預測和問題回答中的潛力。這項技術有望提升臨床診斷的準確性與效率。 PubMed DOI

近年來，人工智慧（AI）技術在醫療領域迅速發展，特別是在影像和語音辨識方面。AI將逐漸融入臨床環境，未來可能在病人訪談中扮演重要角色，並協助醫生解讀檢測結果，如心電圖和胸部X光，提供更深入的見解。儘管實際應用仍面臨挑戰，但預期醫生將與AI系統合作，提升心血管疾病的診斷和治療準確性。這篇回顧專注於AI在心臟病學的應用，強調其改善臨床工作流程的潛力，最終使醫療提供者和病人受益。 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

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

本研究探討了ChatGPT 4.0在解讀動態血壓監測（ABPM）數據的準確性，與兩位腎臟科醫生的解讀結果進行比較。分析了53份ABPM記錄，結果顯示ChatGPT在高血壓識別、夜間高血壓及異常心率等方面的準確性分別為87%、89%及94%。兩輪測試的協議率顯示出中等到顯著的一致性，且準確性在兩次測試中無顯著差異。這表明ChatGPT在高血壓管理中具潛力，但仍需在更大樣本中進一步驗證。 PubMed DOI

這項研究開發了一種利用大型語言模型（LLMs）從電子健康紀錄（EHR）中識別健康狀況的策略，解決了手動標記的繁瑣問題。研究將2015年的心臟登記隊列與阿爾伯塔省的EHR系統結合，分析臨床筆記以檢測急性心肌梗塞、糖尿病和高血壓。結果顯示，LLM方法在敏感度和陰性預測值上優於傳統ICD代碼，且檢測趨勢穩定。這種方法有潛力提升EHR在即時疾病監測中的應用效率。 PubMed DOI

這項研究探討心血管韌性對運動員健康和表現的影響，並利用自然語言處理（NLP）和大型語言模型（LLMs）進行生物醫學診斷。研究針對心電圖和臨床記錄等數據集的挑戰，提出了一個混合機器學習框架，結合狼群搜索演算法和RoBERTa模型，提升心血管疾病預測準確性。該系統達到92.5%的準確率，顯示NLP技術在個人化醫療中的潛力，能優化心臟病患者的治療，並改善早期疾病檢測和臨床決策能力。 PubMed DOI

最新研究發現，ChatGPT-4o 用來判斷 Apple Watch 心電圖的心房顫動準確率偏低，正確率不到一半，判斷正常心律也只有約七成，表現遠不如手錶內建演算法和心臟科醫師。目前 GPT-4o 並不適合用來診斷心律問題，建議還是要依賴專業醫師評估，使用者要特別注意這點。 PubMed DOI

研究團隊開發出ECGFounder這個心電圖AI模型，利用超過一千萬筆資料訓練，能處理多種心電圖格式，並針對不同任務微調。它在80種診斷上表現媲美專家（AUROC超過0.95），外部測試也很穩定，整體表現優於現有模型。這項技術有助提升心臟疾病診斷效率，未來也能應用在穿戴式裝置上，推動智慧醫療發展。 PubMed DOI