研究發現ChatGPT 4.0在放射學診斷測驗中整體準確率為57.86%，不同部位準確率有差異，頭頸部最高。結論指出，人工智慧模型或許可提升放射學診斷能力，對病患照護及醫學教育有正面影響。 PubMed DOI

最新研究指出，GPT-4V在醫學挑戰中超越了人類醫生，尤其在多選問題上表現更準確。研究還探討了GPT-4V在NEJM圖像挑戰中的表現，包括圖像理解、醫學知識回憶和多模態推理。結果顯示，GPT-4V在多選問題上比人類醫生更準確，即使醫生出錯時也是如此。然而，在圖像理解方面，GPT-4V常提供不完整的解釋。在應用於臨床前，有必要進一步評估其推理能力。 PubMed DOI

這項研究評估了將影像資料整合到一個多模式人工智慧系統ChatGPT-4V中對醫學診斷的影響。研究發現，相較於僅有文字的版本，加入影像資料並未顯著提高診斷準確性，視覺元素的貢獻低於預期。這項研究強調了進一步發展人工智慧系統以有效利用視覺資訊，提升醫療保健領域診斷能力的重要性。 PubMed DOI

最近研究顯示，具視覺功能的GPT-4V在某些醫療挑戰中超越人類醫師，特別是在多選題準確性上。透過《新英格蘭醫學雜誌》的影像挑戰，我們分析了GPT-4V在影像理解、醫學知識回憶和多模態推理的表現。結果顯示，GPT-4V的多選題準確率為81.6%，人類醫師則為77.8%。不過，GPT-4V在影像理解方面的推理常有缺陷，出現率高達35.5%。儘管準確率高，研究強調在GPT-4V能有效應用於臨床前，需更深入評估其推理能力。 PubMed DOI

這項研究評估了四個大型語言模型（LLMs）的表現，包括 GPT-4、GPT-4 Turbo、GPT-4omni（GPT-4o）和 Gemini，針對 2023 年美國核心臟病學會的考試問題進行回答。分析了 168 道問題，結果顯示 GPT-4o 的正確回答中位數為 63.1%，優於其他模型。GPT-4、GPT-4 Turbo 和 Gemini 的中位數分別為 56.8%、60.7% 和 40.5%。GPT-4o 在文字問題上表現佳，但在醫學影像解讀方面仍需改進。 PubMed DOI

這項研究評估了兩個大型語言AI模型，Claude 3 Opus和Claude 3.5 Sonnet，在放射影像和臨床歷史下的診斷表現。測試分為三種條件：僅臨床歷史、臨床歷史加影像發現，以及臨床歷史加關鍵影像。結果顯示，Sonnet的表現普遍較佳，尤其在條件3中，正確診斷率達30.1%。統計分析顯示，加入關鍵影像和臨床歷史能顯著提高診斷準確性。總體而言，提供全面資料能提升這兩個AI模型的診斷能力。 PubMed DOI

這項研究指出，人工智慧（AI）在兒童放射學的應用上存在重大差距，特別是針對最新的大型語言模型（LLMs），如GPT-4、Gemini 1.5 Pro和Claude 3 Opus。測試結果顯示，這些模型在90張兒童放射影像中，正確診斷率僅27.8%，部分正確率13.3%，錯誤率高達58.9%。研究顯示，儘管多模態LLMs能處理多種輸入，但目前仍缺乏準確解讀兒童放射影像的專業能力。 PubMed DOI

這項研究評估了多模態人工智慧模型 GPT-4V 在解讀放射影像的表現，包括超音波、電腦斷層掃描和 X 光。分析230張急診影像後，模型在影像識別上達到100%準確率，但在解剖和病理識別上表現不佳，尤其是病理識別僅35.2%。儘管有潛力，GPT-4V 的診斷錯誤率超過40%，引發臨床使用的可靠性擔憂。研究強調需進一步開發以提升準確性，確保病人安全，並指出目前不宜作為獨立診斷工具。 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

這項研究評估了具視覺功能的GPT-4V在眼科診斷玻璃體視網膜疾病的表現。研究在巴斯科姆·帕爾默眼科診所進行，分析了2010年至2023年的病人數據。結果顯示，GPT-4V在開放式問題中的診斷準確率為13.7%，而多選題為31.3%。該模型能準確識別後玻璃體脫離等病症，但在開放式問題的有效性有限，顯示出提供複雜醫療建議的挑戰。總體而言，GPT-4V在臨床護理中仍有潛力。 PubMed DOI