研究發現，由ChatGPT技術支持的Bing Chatbot在放射學檢查病人教育中提供的資訊準確完整，回答大多正確。這個聊天機器人可成為有用工具，幫助提升病人對放射學的了解，並無傷害或困惑使用者。 PubMed DOI

研究發現ChatGPT在回答MRI問題時，對簡單問題表現不錯，但對複雜多選問題有困難。這顯示了在醫療領域，特別是在放射學方面，它的潛力和限制。儘管在基本MRI查詢上表現優秀，但在專業問題上仍有挑戰。研究指出人工智慧在醫學教育和醫療決策中的微妙角色，建議使用時需取得平衡。 PubMed DOI

研究比較了AI模型（ChatGPT、Google Bard和Bing）與兩位放射學住院醫師在解決放射學案例簡介時的表現。結果顯示，住院醫師比AI模型表現更優，只有一位住院醫師通過考試。AI模型未及格。AI模型答案一致，但住院醫師一致性較低。人類準確性和理解主題較佳。 PubMed DOI

開源人工智慧模型（OSAIM）在各行業廣泛運用，包括醫療和資訊領域。研究發現ChatGPT和Microsoft Bing等AI模型對單曲線脊柱側彎的診斷能力，ChatGPT檢測表現不錯，但評估Cobb角等參數有限。Bing模型則無法準確檢測。為提升準確性，AI算法需進一步改進，並使用更多不同類型的X光影像進行訓練。 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

這項研究評估了大型語言模型（LLMs），特別是Open AI的GPT-4.0和Microsoft Bing的GPT-4，在將非結構化的乳房超音波報告轉換為結構化格式的有效性。研究分析了100份報告，結果顯示GPT-4.0在生成結構化報告、準確分配BI-RADS分類及提供管理建議方面均優於Bing。此外，GPT-4.0在預測良性和惡性特徵的能力也較佳，但仍不及資深放射科醫師。這顯示GPT-4.0在醫療報告處理上具有潛力。 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

這項研究評估了GPT-4（特別是ChatGPT）在解讀腦腫瘤MRI報告的診斷能力。研究分析了150份術前病患的報告，結果顯示GPT-4的診斷準確率為73%，而神經放射科醫師則為80%。在鑑別診斷方面，GPT-4的準確率高達94%，放射科醫師則介於73%到89%之間。研究結果表明，GPT-4可作為神經放射科醫師的有用第二意見，並能成為一般放射科醫師和住院醫師的指導工具，顯示其在臨床診斷中的潛力。 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