人工智慧，特別是基於GPT的模型，越來越多地應用於放射學，用於報告生成、教育、決策支持和數據分析等任務。ChatGPT是一種對話變體，在放射學實踐中顯示出潛力，但需要像影像中其他人工智慧應用一樣進行進一步驗證。 PubMed DOI

本文討論了在放射學中運用人工智慧，特別聚焦在 ChatGPT 在醫學影像診斷上的應用。ChatGPT 顯示出在提高準確性和效率方面有潛力，可以幫助減少錯誤並改善工作流程。然而，面臨的挑戰包括數據品質、倫理問題和需要進一步研究。儘管如此，ChatGPT 可能對放射學產生重大影響。持續的研究、倫理考量和規範對於充分發揮其潛力以增進放射學診斷和病人護理至關重要。 PubMed DOI

GPT4是一個大型多功能模型，能處理文字和圖像，但在核醫學檢查方面還需進一步評估。研究指出，ChatGPT在識別檢查和示蹤劑方面表現尚可，但在描述結果或異常時有困難。"高級數據分析（測試版）"版本在大多數任務中失敗，兩個版本在多次測試中表現不一致。雖然GPT-4V(ision)對核醫學影像有潛力，但可靠性仍有限制。 PubMed DOI

研究評估了ChatGPT-4V在解讀COVID-19、NSCLC和對照組案例的胸部CT掃描的準確性。ChatGPT-4V整體準確率為56.76%，對不同情況的敏感性和特異性有所不同。模型在所有肺葉案例中表現最佳。研究強調了AI模型在放射學中的挑戰和改進領域，呼籲加強模型以提升醫療應用的可靠性。 PubMed DOI

研究比較了基於GPT-4的ChatGPT、基於GPT-4V的ChatGPT和放射科醫師在106個案例的肌肉骨骼放射學診斷準確性。結果顯示，基於GPT-4的ChatGPT準確率為43%，優於基於GPT-4V的ChatGPT的8%。放射科醫師的準確率分別為41%和53%。ChatGPT表現接近住院醫師，但不及認證放射科醫師。放射科醫師需了解ChatGPT的診斷表現，強調提供詳細影像描述以提高準確性。 PubMed DOI

ChatGPT是一個基於Transformer的大型語言模型，引起全球矚目。它展現在放射學報告上的潛力，這是以往專注於影像分析的領域。研究發現，ChatGPT有助於放射科醫師，但也存在隱私、可靠性、錯誤和缺乏醫學訓練等問題。人工智慧可提升放射學報告的準確性和標準化，未來或整合動態提示、ChatGPT和RAG到診斷流程中。持續研究、開發和道德監督至關重要。 PubMed DOI

這項研究探討了利用自然語言處理（NLP）技術，特別是ChatGPT，來提升放射科報告的產出效率。研究人員分析了1,000條來自MIMIC胸部X光數據庫的記錄，並使用Claude.ai提取關鍵字，再透過ChatGPT生成報告。結果顯示，Bart和XLM模型的報告與醫生撰寫的相似度高達99.3%，而其他模型表現較差。研究強調選擇合適的NLP模型對於提升放射科報告的效率和準確性至關重要。 PubMed DOI

這項研究評估大型語言模型（LLMs）在解釋乳腺影像報告及提供臨床建議的表現，分為兩個步驟： 1. **文本評估**：比較十個LLMs與放射科醫師在100道BI-RADS選擇題上的準確率。Claude 3.5 Sonnet表現最佳（90%），超過一般放射科醫師（78%）和乳腺放射科醫師（82%）。 2. **視覺評估**：測試五個多模態LLMs在100張乳腺超音波影像上的表現，Claude 3.5 Sonnet以59%準確率領先。 研究顯示，雖然LLMs在文本評估中表現良好，但視覺診斷能力有限，需在放射科醫師監督下使用，以避免誤診。 PubMed DOI

這項研究評估了ChatGPT-3.5在生成乳房超音波報告的BI-RADS分類的有效性，目的是提升醫療診斷的準確性和可解釋性。研究分析了131名患者的報告，並將AI生成的結果與57位醫生的報告進行比較。結果顯示，雖然AI在結構和清晰度上表現良好，但在BI-RADS分類準確性和惡性診斷上仍需改進。研究也探討了「思考鏈」方法，顯示AI在模擬臨床決策過程中的潛力，整體而言，ChatGPT-3.5對乳房超音波評估的診斷結果有助益。 PubMed DOI

這項研究提出了一種新方法，結合大型語言模型（LLMs）與電腦輔助診斷（CAD）網絡，提升胸部X光片的醫學影像分析。雖然LLMs在自然語言處理上表現優異，但在醫學影像上通常不佳。這個框架利用LLMs的優勢，改善CAD系統的診斷準確性和報告生成，讓報告品質更高。使用ChatGPT後，診斷表現提升了16.42個百分點，GPT-3則在F1-score上提高了15.00個百分點。這種創新方法有潛力改變臨床決策過程，並改善病患互動。 PubMed DOI