這項研究發現，把電子自我回報（ePROs）和AI即時衛教結合，對頭頸癌放射治療病人是可行的。經常回報的病人，體重減輕較少、治療中斷也較少，症狀控制和治療持續性都更好。這方法能提升病人參與和治療效果，但還需要更多研究確認在臨床上的長期效益。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT 4.0 回答骨科問題時，大多表現良好，但在創傷診斷上的可靠性較差，且內容需要高中程度才能看懂。雖然能幫助病人自我診斷和照護，但遇到創傷問題時，建議還是要諮詢專業醫師。 相關文章 PubMed DOI 推理 ♡

這項研究發現，把訓練時運算和測試時運算兩種LLM策略結合，能有效提升電子病歷品質管理。訓練時運算偵錯快又嚴格，測試時運算修正更精準，組合後準確率和效率都更好，有助於提升臨床文件的品質。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4 在美國眼科考題的表現已接近甚至略優於人類考生，經專業訓練後正確率更高達 85%。雖然題目難度、影像題和分科會影響表現，但 ChatGPT-4 未來有機會成為眼科教育的輔助工具，但目前還沒完全達到專業醫師的水準。 相關文章 PubMed DOI 推理 ♡

PIEE cycle 是一套系統化流程，專門用來測試和評估大型語言模型在醫療決策上的安全性、準確性和倫理性。它協助醫師和資訊團隊，從規劃、產生對抗性問題、執行測試，到用特定指標評估模型表現。雖然還在概念階段，但目標是確保 LLMs 在臨床應用上更可靠、安全。 相關文章 PubMed DOI 推理 ♡

這項研究開發的 ARAMP AI 平台，結合放射影像組學和 GPT-4o，利用自適應 RAG 技術協助 MRI 判讀腦轉移瘤。用 200 位病患資料測試後，敏感度從 0.84 提升到 0.98，診斷更可靠。結果顯示，這種 AI 有助提升放射科報告的準確度和一致性。 相關文章 PubMed DOI 推理 ♡

隨著放射科醫療需求增加、醫師人力短缺，如何快速又準確產生放射科報告成為難題。近年AI技術，像transformer、視覺-語言模型和大型語言模型，為自動化報告生成帶來新契機。本文回顧2021至2025年相關發展，重點介紹新技術、資料集、評估方式，並比較各模型優缺點，提出未來改進方向。 相關文章 PubMed DOI 推理 ♡

這篇研究比較五款大型語言模型在醫療領域的專業化表現，發現用檢索增強生成（RAG）和結合微調（FT+RAG）的方法，效果都比單純微調好，尤其 LLAMA 和 PHI 這兩款模型表現最亮眼。LLAMA 整體最強，PHI 在 RAG/FT+RAG 下也很突出，QWEN 則最弱，GEMMA 和 MISTRAL 表現不太穩定。 相關文章 PubMed DOI 推理 ♡

這項研究提出 sleepCare 機器學習流程，運用 NLP 和 BERT 等模型，把敘述型睡眠報告自動分類到臨床相關類別。經 475 份標註資料測試，BERT+SVM 模型準確率達 81%、macro F1-score 為 0.78。這方法可大規模、遠端且個人化辨識睡眠障礙，有助早期發現與臨床判斷。 相關文章 PubMed DOI 推理 ♡

GeneAgent 是一款基因集分析 AI 工具，結合大型語言模型並自動查核生物資料庫，能有效減少錯誤。實測超過 1,100 組基因集，準確度和描述完整度都優於 GPT-4，專家也認可。這工具能幫助研究人員更快獲得新發現。 相關文章 PubMed DOI 推理 ♡