這項研究評估了AI語言模型GPT-3在診斷和分診的表現，並與一般人和醫生進行比較，使用了48個醫療案例。結果顯示，GPT-3在88%的案例中準確診斷，優於一般人（54%），但低於醫生（96%）。在分診準確性方面，GPT-3達70%，接近一般人（74%），但仍低於醫生（91%）。雖然GPT-3對預測的信心合理，但在急迫案例中準確性下降，偶爾會將緊急案例降為次要。總體而言，GPT-3的診斷表現不錯，但分診效果仍不如醫生。 PubMed DOI

這項研究評估了多模態人工智慧模型在NEJM影像挑戰中的表現，並與人類集體智慧進行比較。結果顯示，人工智慧在臨床診斷上有潛力，但也有其限制。Anthropic的Claude 3系列在準確性上超越了人類平均水平，但人類集體決策的表現仍優於所有人工智慧模型。此外，GPT-4 Vision Preview在較簡單問題上反應更有效，特別是對小圖像和長文字的問題。 PubMed DOI

這項研究探討了生成式人工智慧（如ChatGPT）在遠距醫療中，特別是心臟驟停情境下的應用。研究比較了傳統紙本指南、自主ChatGPT和受監督ChatGPT的有效性。結果顯示，受監督的ChatGPT在決策準確性上明顯優於其他兩者，雖然完成情境的時間較長。生理數據顯示其認知負荷較低，且在臨床醫師監督下，對AI系統的信任度最高。研究強調臨床醫師監督的重要性，並建議未來應優化AI的監督機制。 PubMed DOI

本研究探討AI模型（如GPT-3.5和GPT-4）在急診科生成病症鑑別診斷的表現，並與急診科醫師的準確性進行比較。結果顯示，ChatGPT-4的準確率為85.5%，略高於ChatGPT-3.5的84.6%和醫師的83%。特別是在腸胃主訴方面，ChatGPT-4的準確性達87.5%。研究顯示AI模型在臨床決策中具潛在應用價值，建議未來進一步探索AI在醫療中的應用。 PubMed DOI

這項研究探討了人工智慧（AI）輔助對醫生在胸痛分診中的決策影響，特別是人口統計偏見。50位美國醫師觀看白人男性或黑人女性病人的視頻，並在接受GPT-4建議前後回答臨床問題。結果顯示，AI輔助使白人男性病人的決策準確率從47%提升至65%，黑人女性則從63%提升至80%，改善幅度均為18%。研究未加劇偏見，顯示AI能提升決策並確保公平醫療。90%的醫生認為AI未來將在臨床決策中扮演重要角色，顯示其解決不平等問題的潛力。 PubMed DOI

這項研究探討人類與大型語言模型（LLMs）合作對腦部MRI掃描診斷準確性和效率的影響。研究中，六名放射科住院醫師評估40個挑戰性MRI案例，分別使用傳統網路搜尋和LLM輔助搜尋。結果顯示，LLM輔助的診斷準確率為61.4%，高於傳統的46.5%，且差異具統計意義。不過，解讀時間和信心水平未見變化。研究指出的挑戰包括案例描述不準確、LLM的幻覺現象及上下文不足。雖然LLM能提升診斷準確性，但仍需進一步研究以優化人類與LLM的合作。 PubMed DOI

這項研究介紹了AMIE（Articulate Medical Intelligence Explorer），一個專為醫學診斷對話設計的AI系統。AMIE透過自我對弈學習，提升在各種醫療情況下的表現。在一項隨機雙盲研究中，AMIE與初級保健醫生進行評估，結果顯示其診斷準確性超越醫生。不過，研究也指出使用同步文字聊天的限制，這在臨床上不常見。雖然前景看好，但AMIE在實際醫療環境中的應用仍需進一步研究。 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

這項研究發現，DeepSeek-R1 AI 能有效協助加護病房住院醫師診斷複雜重症，讓診斷正確率從 27% 提升到 58%，AI 自己的正確率則是 60%。有 AI 幫忙時，住院醫師不只診斷更準確，速度也更快，鑑別診斷品質也提升。整體來說，這類 AI 未來很有機會成為加護病房醫師的重要幫手。 PubMed DOI

單靠大型語言模型（LLMs）做高風險決策有風險，因為它們會出現幻覺和偏誤。這項研究提出結合醫師和LLM的混合系統，分析四萬多個診斷案例後發現，醫師和LLM合作比單獨使用任何一方都更準確，因為他們各有不同的優缺點。這種混合方式能提升醫療診斷的準確率。 PubMed DOI