這項研究探討利用生成式人工智慧技術，開發虛擬病人程式，協助醫學生透過聊天機器人練習病史採集。五位專家使用韓國的AI平台Naver HyperCLOVA X®進行測試，針對一位有尿路問題的病人進行評估。結果顯示，聊天機器人產生的回應中，約2.6%的字詞被認為不太可信。專家對AI的回應在相關性、有效性和準確性上評分較高，但流暢性則持中立態度。整體而言，這種方法可行，但仍需改進以增強回應的連貫性和自然度。 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

大型語言模型的快速進步讓人工智慧生成內容（AIGC）在醫學考試題目創建上展現新可能。本研究指出傳統紙本考試的限制，並提出利用AIGC設計各類型題目的簡化方法，包括選擇題、案例研究和視頻題目。雖然AIGC在模擬臨床情境上表現優異，但手動審查仍是確保內容準確性和品質的關鍵。未來可能會結合檢索增強生成、多人系統和視頻生成等技術，進一步提升醫學考試準備的品質，支持醫學生的有效訓練。 PubMed DOI

這項研究探討人類與大型語言模型（LLMs）合作對腦部MRI掃描診斷準確性和效率的影響。研究中，六名放射科住院醫師評估40個挑戰性MRI案例，分別使用傳統網路搜尋和LLM輔助搜尋。結果顯示，LLM輔助的診斷準確率為61.4%，高於傳統的46.5%，且差異具統計意義。不過，解讀時間和信心水平未見變化。研究指出的挑戰包括案例描述不準確、LLM的幻覺現象及上下文不足。雖然LLM能提升診斷準確性，但仍需進一步研究以優化人類與LLM的合作。 PubMed DOI

多代理對話（MAC）框架是為了提升疾病診斷而設計的，透過臨床多學科團隊的合作。在一項針對302個罕見疾病案例的研究中，MAC的表現超越了GPT-3.5和GPT-4等單一模型，無論是在初診還是後續諮詢中，診斷準確性和建議檢測效果都更佳。最佳配置為四位醫生代理和一位監督代理，並以GPT-4為基礎模型。MAC在多次測試中表現穩定，並且在性能上優於其他方法，顯著提升了大型語言模型的診斷能力，為未來醫療研究提供了新方向。 PubMed DOI

這項研究介紹了Articulate Medical Intelligence Explorer (AMIE)，一個大型語言模型，旨在提升醫療診斷推理。研究評估AMIE在生成鑑別診斷的有效性，並與傳統方法比較。二十位臨床醫師針對302個複雜案例進行評估，結果顯示AMIE的準確率達59.1%，遠超過未經協助的醫師33.6%。使用AMIE的醫師準確率為51.7%，也高於僅依賴傳統資源的醫師。這些結果顯示AMIE有潛力提升診斷準確性，並強調在真實環境中進一步評估的必要性。 PubMed DOI

這項研究比較 ChatGPT-4、Gemini 1.5 和傳統診斷系統 DXplain，在36個臨床案例中測試有無檢驗數據的表現。沒檢驗數據時，DXplain雖然正確診斷次數較多，但差異不顯著。有檢驗數據後，三者表現都提升。研究建議結合 LLMs 的語言理解和 DDSS 的推理能力，有望提升診斷支援效果。 PubMed DOI

這項研究發現，DeepSeek-R1 AI 能有效協助加護病房住院醫師診斷複雜重症，讓診斷正確率從 27% 提升到 58%，AI 自己的正確率則是 60%。有 AI 幫忙時，住院醫師不只診斷更準確，速度也更快，鑑別診斷品質也提升。整體來說，這類 AI 未來很有機會成為加護病房醫師的重要幫手。 PubMed DOI

這項研究找來70位醫師，測試專為醫師協作設計的GPT AI診斷系統。無論是AI先診斷還是醫師先診斷，協作後的正確率都比傳統工具高（85%和82%對75%），和單純AI診斷（90%）差不多。結果顯示，協作型AI能有效提升診斷準確率，也促進醫師與AI的合作。 PubMed DOI

單靠大型語言模型（LLMs）做高風險決策有風險，因為它們會出現幻覺和偏誤。這項研究提出結合醫師和LLM的混合系統，分析四萬多個診斷案例後發現，醫師和LLM合作比單獨使用任何一方都更準確，因為他們各有不同的優缺點。這種混合方式能提升醫療診斷的準確率。 PubMed DOI