A novel recommender framework with chatbot to stratify heart attack risk.
一個新穎的推薦框架結合聊天機器人以分層心臟病發作風險。 Discov Med (Cham) 2025-01-06

心血管疾病是主要的死亡和殘疾原因，因此早期檢測和治療非常重要。本研究提出了一個自動化的智能推薦系統，利用可解釋的人工智慧（XAI）來預測心臟病發作和風險評估。系統使用CatBoost分類器進行風險分類，並透過SHAP算法提供透明解釋，還整合了BioMistral大型語言模型，讓使用者能互動詢問心臟健康問題。該系統的預測表現優異，平均AUC達0.88，並提供線上應用程式，協助使用者管理心臟健康，降低風險並促進及時醫療介入。 PubMed DOI

ECG-LM: Understanding Electrocardiogram with a Large Language Model.
ECG-LM：利用大型語言模型理解心電圖。 Health Data Sci 2025-02-05

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

Integrating large language models with human expertise for disease detection in electronic health records.
將大型語言模型與人類專業知識整合以進行電子健康紀錄中的疾病檢測。 Comput Biol Med 2025-04-08

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

Evaluating Large Language Models in Cardiovascular Antithrombotic Care: Performance, Accuracy, and Implications for Clinical Practice.
心血管抗血栓治療中大型語言模型的評估：表現、準確性及其對臨床實務的影響 Can J Cardiol 2025-04-16

這項研究發現，Claude 3 Opus 在心血管抗凝治療案例的準確度勝過其他大型語言模型和臨床醫師，正確率達85%。部分LLMs表現媲美甚至超越有經驗醫師，但免費版模型有時會給出不佳或不安全的建議。所有LLMs在生活型態和飲食建議上表現穩定。研究提醒，醫療決策時應謹慎選用並驗證LLMs。 PubMed DOI

AI-based prediction of left bundle branch block risk post-TAVI using pre-implantation clinical parameters.
利用植入前臨床參數，基於AI預測TAVI術後左束支傳導阻滯風險 Future Cardiol 2025-04-29

這項研究發現，用傳統機器學習和大型語言模型（像GPT-4）來預測TAVI手術後新發LBBB風險，GPT-4表現最好，甚至超越傳統ML模型。結果顯示，只用手術前的臨床資料，就能準確預測LBBB發生機率，未來有助於臨床決策。 PubMed DOI

Large Language Models and Artificial Neural Networks for Assessing 1-Year Mortality in Patients With Myocardial Infarction: Analysis From the Medical Information Mart for Intensive Care IV (MIMIC-IV) Database.
用於評估心肌梗塞患者一年內死亡率之大型語言模型與人工神經網路：來自加護病房醫療資訊資料庫 MIMIC-IV 的分析 J Med Internet Res 2025-05-12

這項研究比較三種AI模型預測急性心肌梗塞病患一年內死亡率的準確度。結果顯示，傳統人工神經網路（SWEDEHEART-AI）表現最好，預測能力優於兩個大型語言模型（Qwen-2和Llama-3）。雖然LLM有潛力，但目前在臨床風險預測上還不如傳統模型，未來還需加強其準確度與校正能力。 PubMed DOI

Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure.
敘述型特徵或結構化特徵？大型語言模型於辨識有心衰竭風險癌症病患之研究 AMIA Annu Symp Proc 2025-05-26

這項研究用電子健康紀錄和機器學習，預測哪些癌症病人容易發展成心臟衰竭。結果發現，大型語言模型GatorTron-3.9B表現最好，尤其是結合醫療代碼的新特徵後，明顯勝過傳統和其他深度學習模型。這方法有助於更精準找出高風險病人，提升癌症照護品質。 PubMed

A Primer on Large Language Models (LLMs) and ChatGPT for Cardiovascular Healthcare Professionals.
心血管醫療專業人員的大型語言模型（LLMs）與 ChatGPT 入門指南 CJC Open 2025-05-28

生成式AI像ChatGPT，已經在心臟科協助衛教、簡化資訊和提升行政效率。不過，目前還無法解讀影像，且有錯誤資訊和偏見的風險。未來若能結合語言和影像分析，診斷會更精準，但仍需嚴格監督和倫理規範，確保安全有效。 PubMed DOI

Leveraging large language models for preoperative prevention of cardiopulmonary bypass-associated acute kidney injury.
運用大型語言模型於心肺繞道相關急性腎損傷的術前預防 Ren Fail 2025-05-30

這項研究開發了一套新模型，把臨床資料轉成文字，再結合數值資訊，利用大型語言模型來預測心肺繞道手術前發生急性腎損傷的風險，準確率高達AUC 0.92。研究也找出哪些術前和術中措施有助預防AKI，能幫助醫師更早預測並預防相關風險。 PubMed DOI

Precision and Personalization: How Large Language Models Redefining Diagnostic Accuracy in Personalized Medicine - A Systematic Literature Review.
精準與個人化：大型語言模型如何重新定義個人化醫療中的診斷準確性——系統性文獻回顧 IEEE J Biomed Health Inform 2025-06-30

這篇回顧發現，大型語言模型（LLMs）在個人化醫療診斷上越來越常被應用，能提升診斷準確度並協助量身打造治療。不過，資料隱私、模型解釋性和可靠性還有待加強，未來需持續研究和建立相關保障，才能安心用在臨床上。 PubMed DOI

原始文章

站上相關主題文章列表