心血管疾病是全球主要的健康問題，人工智慧（AI）如ChatGPT為心血管醫學帶來了新機會。這篇文章探討了ChatGPT如何透過症狀分析、風險評估和診斷輔助來提升臨床決策，並改善醫療教育及研究交流。不過，也需注意潛在的不準確性、倫理問題和數據隱私等挑戰。未來應專注於提升訓練數據質量、開發專用模型及建立監管框架，以增強ChatGPT的臨床應用，進而改善治療效果和護理品質。 PubMed DOI

這項研究評估了ChatGPT-4o在急性心臟病案例中的表現，並與心臟科醫生和急診醫生進行比較。結果顯示，ChatGPT-4o和心臟科醫生的準確性均達100%，而急診醫生較低。ChatGPT-4o反應最快，且在準確性和完整性上得分最高。研究顯示，ChatGPT-4o的表現優於人類醫生，顯示其在臨床決策支持上的潛力，但人類監督仍然對安全整合AI進醫療至關重要。 PubMed DOI

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

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

糖尿病視網膜病變（DR）和黃斑水腫（DME）是糖尿病患者視力喪失的主要原因，但專業護理資源有限。本研究探討利用大型語言模型ChatGPT-4，根據健康檢查數據創建DR和DME的風險計算器，無需視網膜影像或編碼技能。研究使用韓國國家健康與營養調查數據，開發預測模型，並生成網頁風險計算工具。結果顯示，DR和DME的預測準確性與傳統方法相當，未來需在不同人群中進一步驗證並納入更多臨床數據。 PubMed DOI

心臟復健（CR）能提升存活率、減少住院率並改善生活品質，但參與的障礙包括可及性和社會經濟因素。本研究探討人工智慧（AI），特別是ChatGPT，在心臟復健中的應用。研究評估了ChatGPT對40個問題的回答，結果顯示其在提供符合指導方針的建議上表現良好，尤其在風險分層和病人安全策略方面。然而，對於老年病人和高強度訓練的管理仍有不足。未來需加強個性化和臨床驗證，以便更好地融入醫療環境。 PubMed DOI

這項研究評估了GPT-4大型語言模型在計算HEART分數及預測胸痛觀察單位患者60天內重大不良心臟事件的有效性。研究涵蓋601名患者，結果顯示LLM與醫療專業人員之間的協議良好，HEART分數也高於傳統評估。然而，預測MACE的表現並無顯著差異。這顯示GPT-4在風險計算上可輔助臨床決策，但結果可能與人類判斷有所不同，建議進一步研究其潛力。 PubMed DOI

研究用360題心臟科考題測試ChatGPT，初始得分54.44%，給予學習資料後提升到79.16%，接近人類平均。ChatGPT在基礎科學和藥理學表現佳，但解剖學較弱，且無法處理圖片等視覺資料。顯示AI能透過學習進步，但還有待改進，未來需更多研究優化醫學教育應用。 PubMed DOI

這篇論文說明 AI，像 ChatGPT-4o，正改變心臟病學和心律不整的診斷、偵測和治療方式，提升準確度和個人化醫療。不過，過度依賴、解釋性不足和資料偏誤是挑戰。未來需醫師和 AI 開發者合作，兼顧專業判斷和倫理，才能安全有效應用。 PubMed DOI

這項研究發現，ChatGPT在多血管冠狀動脈疾病治療建議上，和心臟專家團隊有65%一致，特別是在建議做繞道手術時較為一致。不過，對於年長、有糖尿病或腎臟病的患者，ChatGPT和專家意見常不一樣。整體來說，AI雖然能輔助醫療決策，但遇到複雜個案還是無法取代醫師專業判斷，未來還需更多研究來強化AI臨床應用。 PubMed DOI