原始文章

AI有助於早期且準確診斷高惡性度上泌尿道尿路上皮癌(UTUC),包括強化尿液細胞學判讀、分析CT影像預測腫瘤分級與分期,以及提升內視鏡影像辨識。機器學習模型(如隨機森林)表現優異,腎積水是重要預測因子。AI也能協助病患教育與病理分類,幫助醫師更早發現UTUC,提升治療成效。 PubMed DOI


站上相關主題文章列表

近期腎臟病理生理學的進展受到人工智慧(AI)的影響,為腎臟疾病的理解與管理開啟新方向。AI在風險分層、預後評估及腎臟腫瘤學中發揮重要作用,能更準確預測疾病進展。儘管如此,數據整合和倫理問題仍是挑戰。未來需進行實施研究,將AI算法有效轉化為臨床實踐,並整合各類數據,以提升腎臟病的診斷與治療策略。 PubMed DOI

這項研究評估了ChatGPT對上尿路尿路上皮癌(UTUC)病人常見問題的回應質量。共15個問題被分為一般資訊、症狀與診斷、治療及預後。泌尿科醫生根據五個標準評分,結果顯示平均得分為3.93,其中一般資訊得分最高(4.14),治療相關回應得分最低(3.68)。雖然ChatGPT能提供基本資訊,但在治療問題上未完全滿足需求,且有安全隱患,建議在病人教育中謹慎使用。 PubMed DOI

當患者被診斷為泌尿系統癌症時,常會尋求線上資源,但許多醫生撰寫的資料過於複雜,超過了建議的閱讀水平,導致患者轉向不受監管的來源,如AI聊天機器人。本研究比較了ChatGPT、Epic和泌尿護理基金會針對前列腺癌、膀胱癌和腎臟癌的教育材料。結果顯示,Epic的材料符合閱讀水平,而UCF和ChatGPT則不符合。質量方面,ChatGPT表現優秀,建議AI可提升患者教育的可及性與實用性,幫助患者共同決策。 PubMed DOI

這項研究評估了ChatGPT的GPT-3.5和GPT-4模型在根據全國綜合癌症網絡(NCCN)指導方針對非肌肉侵襲性膀胱癌(NMIBC)進行風險分層的能力。研究創建了36個病人情境,結果顯示GPT-4在有文本背景下的準確率達到100%,而GPT-3.5則為74%。雖然GPT-4在處理中等風險的NMIBC時表現較佳,但仍有高估風險的情況。整體而言,GPT-4在臨床應用上顯示出潛力,但仍需進一步驗證。 PubMed DOI

這項研究評估了ChatGPT在泌尿科醫學影像解讀的有效性,特別是CT和MRI影像。結果顯示,ChatGPT在14%的CT和28%的MRI案例中準確識別首要診斷,雖然無顯著差異,但加入器官指導後,CT影像的準確率提升了18%。整體來看,雖然ChatGPT的初步有效性有限,但在用戶指導下,其表現可顯著改善,顯示AI在臨床應用中的潛力與限制。 PubMed DOI

這篇評論探討了人工智慧(AI)在小兒泌尿科的應用,強調了醫生可用的工具和新興技術。AI在影像分析和臨床預測方面的應用,能提升病人諮詢及風險評估,並協助開發遺尿症的治療方案。雖然像ChatGPT這樣的語言模型在病人教育上有潛力,但目前尚無法完全取代人類互動。總體來看,AI和機器學習在小兒泌尿科的應用仍在探索中,未來可能對醫療實踐帶來重大影響。 PubMed DOI

這項研究評估了大型語言模型(LLMs)在解讀膀胱鏡影像以識別泌尿系統疾病的能力。分析了603張影像,結果顯示整體診斷準確率為89.2%。其中,ChatGPT-4 V的準確率為82.8%,Claude 3.5 Sonnet為79.8%。對於膀胱腫瘤,ChatGPT-4 V達92.2%;膀胱炎檢測則高達94.5%。然而,對良性前列腺增生的準確率較低,分別為35.3%和32.4%。研究建議LLMs可作為泌尿科醫生的輔助工具,但需進一步提升其診斷準確性。 PubMed DOI

科學界對人工智慧(AI)在醫學,特別是泌尿科的應用越來越重視。AI在前列腺癌診斷上展現潛力,其他領域如功能性泌尿學和神經泌尿學也開始探索AI的好處,尤其是在尿動力學評估和影像解讀方面。雖然已有初步報告使用像ChatGPT的AI工具,但在功能性泌尿外科手術中的應用仍不明朗。本文回顧現有證據,討論AI在診斷、治療評估及外科訓練中的潛在優勢,並指出未來臨床整合需克服的挑戰。 PubMed DOI

本研究評估四種人工智慧應用程式(ChatGPT-4.0、Bing AI、Google Bard 和 Perplexity)在管理膀胱輸尿管逆流(VUR)方面與美國泌尿學會(AUA)指導方針的一致性。針對 AUA 指導方針提出 51 個問題,經兩位兒科外科醫生獨立評估,結果顯示各 AI 平均分數相近,且評分一致性高。這些 AI 應用程式在提供基於指導方針的建議上,對兒科泌尿學具有潛在價值。 PubMed DOI

隨著影像檢查普及,腎細胞癌被診斷的案例增加,分辨腎臟良性或惡性病灶變得更重要。AI技術(像機器學習、深度學習)已廣泛應用於腎臟病灶的偵測與分類,協助診斷和個人化治療。雖然AI展現潛力,但仍面臨資料差異、可解釋性及發表偏差等挑戰。 PubMed DOI