這篇論文回顧了人工智慧在眼科的發展，分析了來自98個國家的3,377篇研究，發現中國和美國的貢獻最為突出。中山大學是重要機構，《Translational Vision Science & Technology》是頂尖期刊，Ting DSW則是主要研究者。研究強調AI在視網膜影像分析及眼病篩檢的潛力，但也指出技術、法規和倫理等挑戰需克服，才能推動創新應用，改善眼病治療效果。 PubMed DOI

慢性腎臟病（CKD）是一種常見疾病，可能引發嚴重健康問題。本系統性回顧分析了33項人工智慧（AI）模型在預測CKD進展的有效性。主要發現顯示，這些預測工具的合併敏感度為0.43，特異度高達0.92，顯示出良好的識別能力。正似然比為5.12，負似然比為0.28，曲線下面積（AUC）為0.89，顯示整體診斷準確性不錯。儘管結果令人鼓舞，研究仍強調需進一步優化AI模型，以平衡敏感度與特異度，並克服數據集不平衡等限制。 PubMed DOI

人工智慧在醫療，特別是眼科的影像分析上有顯著進展。最近，ChatGPT加入影像分析功能，開啟新的診斷可能性。本研究選取12張眼底影像，評估ChatGPT 4.0的診斷準確性。結果顯示，ChatGPT能準確診斷四種疾病，但在七個案例中表現不佳。雖然顯示出潛力，但目前準確性不足以應用於臨床，需進一步研究以提升其診斷能力。 PubMed DOI

人工智慧（AI）與深度學習（DL）結合光學相干斷層掃描（OCT），在青光眼的診斷和管理上取得了顯著進展。研究指出，卷積神經網絡（CNNs）在視網膜層分割和青光眼損傷識別上特別有效，而遞迴神經網絡（RNNs）則擅長追蹤疾病進展。生成對抗網絡（GANs）能提升影像質量，自編碼器則有助於特徵提取。儘管如此，數據可用性和偏見等挑戰仍需克服，以便在臨床上成功應用這些技術，進而實現更精確的青光眼治療。 PubMed DOI

視網膜影像提供了一種非侵入性的方法，能夠觀察眼睛中的血管和神經纖維，並透過眼科組學深入了解全身健康。近期研究探討視網膜生物標記與多種全身性疾病的關聯，並結合人工智慧（AI）提升疾病檢測的潛力。數位彩色眼底攝影、光學相干斷層掃描（OCT）等技術被應用於篩檢和早期檢測。儘管AI展現潛力，但在數據質量和技術實施上仍面臨挑戰。這篇綜述旨在成為研究人員和臨床醫生的資源，促進AI在臨床的應用。 PubMed DOI

這項研究評估了多種人工智慧模型在眼科疾病診斷的表現，包括DeepSeek。研究分析了53份來自愛荷華大學的病例報告，並將其輸入四個AI系統進行比較。結果顯示，ChatGPT-01的準確率最高，達84.9%，特別是在神經眼科方面表現優異。DeepSeek和ChatGPT-4.0的準確率約79.2%，而Qwens最低，僅64.2%。研究強調AI在眼科的輔助潛力，並建議結合人類專家的判斷以提升診斷準確性。 PubMed DOI

AI 在急診醫學應用越來越多，像是影像判讀、病患分級等，準確率約有 85–90%。雖然在影像判讀和醫學教育很有潛力，但要真正落實到臨床還有不少挑戰，還需要更多大型研究來驗證。 PubMed DOI

這篇系統性回顧分析30項比較LLM和醫師臨床診斷的研究，發現LLM診斷準確率雖不錯，但多數研究有偏誤，且準確度還不及醫師。不過，若小心運用，未來LLM有望成為醫療智慧助理。 PubMed DOI

這篇綜述分析了3,581篇文獻，說明機器學習在青光眼早期診斷、疾病預測和個人化治療上的應用進展。重點聚焦於眼疾、視網膜影像和風險因子。研究也指出現有趨勢與不足，並建議結合多模態技術和大型語言模型，有望進一步提升青光眼診斷與照護品質。 PubMed DOI

這項研究發現，GPT-4.o 在診斷角膜疾病的準確率最高（80%），但還是比不上人類角膜專科醫師（92.5%）。雖然 GPT-4.o 等大型語言模型有潛力，但在複雜病例上表現不穩定，目前只能當作輔助工具，臨床決策還是得靠專家判斷。 PubMed DOI