自1950年代以來，人工智慧（AI）在腸胃病學上取得了顯著進展，特別是大型語言模型（LLMs）如ChatGPT的出現。這些模型能生成類似人類的文本，並有潛力改善診斷、治療和病患溝通等方面。 優勢包括加速診斷、個性化護理、增強教育和決策支持。然而，挑戰也不少，如AI理解能力有限、數據偏見和隱私問題等。未來，LLMs的發展需依賴於數據分析能力，並需醫療專業人員與AI開發者的合作，以提升病患護理品質。 PubMed DOI

大型語言模型（LLMs）在醫療領域，特別是腸胃病學中，正發揮重要作用，改善資訊獲取、診斷及個性化治療。它們能有效解讀醫學文獻，提供即時知識，並支持醫學教育。儘管潛力巨大，LLMs 在臨床實踐中的整合仍需進一步研究與監管。最近的研究顯示，LLMs 在結腸鏡檢查及癌症篩檢等方面表現良好，但仍面臨數據完整性、準確性等挑戰。成功整合需針對特定情境進行調整，並遵循指導方針。 PubMed DOI

這項研究強調了Endo-chat醫療聊天應用程式的開發，利用檢索增強生成（RAG）技術來提升對胃腸內視鏡檢查的回應準確性與效率。透過整合內部數據和胃腸科指導方針，Endo-chat能提供準確且專業的答案，並在回應效率、完整性及患者滿意度上超越傳統手動方式。雖然與ChatGPT相比，準確性差異不大，但患者更喜愛這項AI服務，並支持其實施。護理人員也認為AI能減輕工作負擔，總體而言，Endo-chat被視為消化內視鏡護理的有效輔助工具。 PubMed DOI

這篇系統性回顧探討大型語言模型（LLMs）在胃腸科及內視鏡的應用，強調其在提升診斷準確性、自動化文檔處理及改善專家教育和病人參與方面的潛力。回顧分析了21篇來自MEDLINE、Embase和Cochrane Central的研究，結果顯示5篇偏倚風險低，16篇中等風險。LLMs能有效傳播醫療資訊、協助諮詢及生成手術報告，但仍面臨數據隱私、準確性及跨學科合作等挑戰，需重視解決這些問題，以發揮其在胃腸內視鏡實務中的潛力。 PubMed DOI

這項研究探討了兩種大型語言模型（LLMs）在胃腸科臨床實踐中的應用，分別是自訂的GPT模型和傳統的GPT-4o。研究發現，自訂模型在15個臨床問題中正確回答了8個，而研究員則回答了10個。傳統的GPT-4o表現最佳，正確率達14/15。雖然兩種模型的表現略低於專家醫生，但顯示出在病人諮詢等專業任務中的潛力。研究強調了RAG技術的重要性及臨床醫師監督的必要性。 PubMed DOI

大型語言模型（LLMs）在醫療保健，特別是胃腸科，展現出提升臨床決策、研究及病人管理的潛力。為了安全有效地應用這些模型，必須解決偏見、幻覺及法規遵循等挑戰。本文提出一個結構化框架，針對C型肝炎治療進行案例研究，涵蓋臨床目標定義、多學科團隊組建、數據準備、模型選擇與微調等步驟。此外，還強調遵循HIPAA和GDPR等法規，以確保負責任的AI應用。未來研究應聚焦於多機構驗證及AI輔助的臨床試驗。 PubMed DOI

大型語言模型有機會提升腸胃科醫療品質和效率，但目前還有偏見、隱私和透明度等問題。要讓AI安全應用在醫療現場，醫師、AI工程師和政策單位必須共同合作，訂出明確規範，確保AI只是輔助，不會取代專業醫療判斷。 PubMed DOI

這項研究比較了ChatGPT-4.0、ChatGPT-3.5和Google Gemini Advanced在20個腸胃道病理案例的表現。結果顯示，ChatGPT-4.0和Gemini Advanced部分表現較佳，但整體水準還是普通。三款AI都無法正確判斷癌症分期，且有不少引用文獻是假的。研究認為，AI雖然進步中，但臨床應用前還是需要專家把關。 PubMed DOI

這項研究開發了專為食道癌設計的聊天機器人 chatEndoscopist，雖然在文字回答的精確度和多樣性上不如 ChatGPT，可能因為訓練資料太少，但在圖片搜尋方面表現不錯。未來會增加資料量，提升準確度和語言表現。 PubMed DOI

大型語言模型有助於提供IBD患者更個人化的衛教資訊，但需針對疾病微調、完善評估方法，並結合臨床決策系統。同時要注意偏見、隱私及數位素養等倫理問題。跨領域合作能確保公平應用，提升照護品質，幫助患者更好管理疾病。 PubMed DOI