本集探討：人工智慧在耳鼻喉科應用最新進展 (2026/05/09)

【主題一】多中心臨床驗證：AI 喉鏡診斷分類模型 (Otolaryngology, Feb 2026)

六個醫學中心、一萬兩千張喉鏡影像，AUC 0.93-0.96。即使低品質影像仍維持 0.88 準確率，優於非專科醫師。

→ 反向觀點：AI in Laryngeal Cancer Detection 系統性回顧 (PMID: 40558281) 指出 pooled sensitivity 78%、specificity 86%，但有顯著 publication bias。

https://doi.org/10.1002/ohn.70153

【主題二】AI 喉癌診斷平台：雙階段深度學習模型 (Diagnostics, Jan 2026)

FCN-ResNet101，聲帶篩選準確率 0.997，症偵測準確率 0.986，即時推論 0.025秒/張。

→ 反向觀點：訓練資料 gold standard 本身有變異，且作者有利益衝突（軟體公司員工）。Real-world performance 未驗證。

https://doi.org/10.3390/diagnostics16020227 (PMID: 41594203)

【主題三】大型語言模型 vs 醫師在 ENT 臨床決策 (Am J Emerg Med, Jan 2026)

醫師診斷準確率 91.6%，管理決策 87.9%。LLM 與醫師表現相當，轉診適當性更佳：非急症不當轉診 30.4%。

→ 反向觀點：模擬情境非真實病人，未納入共病症與藥物交互作用。ChatGPT-4o RCT 正在進行中 (PMID: 41862715)。

https://doi.org/10.1016/j.ajem.2026.01.029 (PMID: 41579527)

反向文獻參考：ChatGPT-4o for junior ENT residents RCT (PMID: 41862715)

【主題四】機器學習偵測中耳積液：智慧型手機鼓膜影像 (Am J Otolaryngol, Mar 2026)

Supervised ML，訓練組敏感度 96%、特異度 81%、準確率 89%；測試組 87%/74%/81%。111張影像。

→ 反向觀點：樣本數僅111張，泛化能力有限。鼓膜影像品質受耳垢、角度、光源影響，真實場域表現未知。

https://doi.org/10.1016/j.amjoto.2026.104804 (PMID: 41864046)

【總結】從 'Can We Build a Model?' 到 'Will It Improve Patient Care?'：AI 在 ENT 需更多臨床實證、法規配套與醫學教育合 (JAMA Otolaryngol, 2026, Shifting the AI Questions in Otolaryngology)

https://doi.org/10.1001/jamaoto.2025.3911

ENT Update - 每週專業耳鼻喉頭頸外科深度對談