Preliminary assessment of automated radiology report generation with generative pre-trained transformers: comparing results to radiologist-generated reports.
利用生成式預訓練轉換器進行自動放射學報告生成的初步評估：與放射科醫師生成的報告進行比較。 Jpn J Radiol 2024-02-06

研究比較了GPT模型和放射科醫師生成放射學報告的表現，結果顯示GPT-4在準確性上優於GPT-2和GPT-3.5，但仍不及醫師。醫師在印象和鑑別診斷方面表現較佳。GPT-3.5和GPT-4生成的報告可讀性高，但準確性仍需醫師驗證。 PubMed DOI

Evaluating the performance of Generative Pre-trained Transformer-4 (GPT-4) in standardizing radiology reports.
評估 Generative Pre-trained Transformer-4 (GPT-4) 在標準化放射學報告中的表現。 Eur Radiol 2023-11-08

研究發現，比較放射科醫師和GPT-4 AI生成的放射學報告，發現兩者在質量和內容上相當，但AI報告更為簡潔，且結構稍有不同。這顯示GPT-4可能是一個可靠的工具，有助於提升臨床效率和溝通。然而，仍需解決道德問題和限制，以確保安全實施。 PubMed DOI

Generative pretrained transformer-4, an artificial intelligence text predictive model, has a high capability for passing novel written radiology exam questions.
生成預訓練轉換器-4（GPT-4）是一種人工智慧文本預測模型，具有高度能力通過新穎的放射學考試問題。 Int J Comput Assist Radiol Surg 2024-03-29

卷積神經網路在放射學影像解讀方面的能力越來越強。大型語言模型如GPT-3和GPT-4已在放射學考試中取得高準確率，且GPT-4表現更優。研究正探索這些人工智慧模型在臨床放射學應用的可能性。 PubMed DOI

Towards Improved Radiological Diagnostics: Investigating the Utility and Limitations of GPT-3.5 Turbo and GPT-4 with Quiz Cases.
探討改進放射學診斷：研究 GPT-3.5 Turbo 和 GPT-4 的效用和限制，並使用測驗案例。 AJNR Am J Neuroradiol 2024-05-08

研究使用GPT-3.5 Turbo和GPT-4等語言模型在神經放射學案例上進行診斷，結果顯示在不同任務上有不同表現。結合案例搜尋和直接診斷可提升GPT-3.5 Turbo表現，但整體仍有改進空間，需注意模型限制。結果顯示這些模型在特定情況下可作為輔助診斷工具。 PubMed DOI

Evaluation of GPT-4 ability to identify and generate patient instructions for actionable incidental radiology findings.
評估 GPT-4 辨識和生成可執行的偶發性放射學發現患者指示的能力。 J Am Med Inform Assoc 2024-05-23

研究評估符合HIPAA標準的GPT-4在急診放射學報告中的效用。人工智慧在辨識重要發現方面表現良好，但仍需人類監督。總結來說，AI對於辨識病人放射學報告中的重要資訊有幫助，但人類的角色仍然不可或缺。 PubMed DOI

Patient-centered radiology reports with generative artificial intelligence: adding value to radiology reporting.
患者中心的放射學報告與生成人工智慧：為放射學報告增添價值。 Sci Rep 2024-06-08

研究評估AI生成的放射學報告在摘要、友善度和建議方面的效果，並檢視報告質量和準確性。分析685份脊椎MRI報告，AI生成報告表現良好，友善度提升，但也發現部分翻譯問題。結論指出，AI助手可提升報告品質、效率，並推動以病患為中心的放射學護理。 PubMed DOI

Leveraging Professional Radiologists' Expertise to Enhance LLMs' Evaluation for Radiology Reports.
善用專業放射科醫師的專業知識，以提升對放射學報告的LLM評估。 ArXiv 2024-06-21

人工智慧在放射學報告生成方面有進步，但評估AI報告仍有挑戰。結合放射科醫師專業知識與GPT-3.5、GPT-4等大型語言模型，使用ICIL和CoT推理對齊評估標準。透過回歸模型聚合分數進行比較，實驗結果顯示此方法優於現有指標。穩健性已驗證，將釋出專家註釋以增進AI醫學報告評估品質。 PubMed DOI

Harnessing Large Language Models for Structured Reporting in Breast Ultrasound: A Comparative Study of Open AI (GPT-4.0) and Microsoft Bing (GPT-4).
利用大型語言模型進行乳腺超音波的結構化報告：Open AI (GPT-4.0) 與 Microsoft Bing (GPT-4) 的比較研究。 Ultrasound Med Biol 2024-08-13

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

Advancing radiology with GPT-4: Innovations in clinical applications, patient engagement, research, and learning.
以 GPT-4 推進放射學：臨床應用、病患參與、研究與學習的創新。 Eur J Radiol Open 2024-08-22

人工智慧（AI）在醫療，特別是放射學的發展，正帶來重大變革，提升診斷準確性和病人參與度。大型語言模型（LLMs），如GPT-4，能協助撰寫和總結放射報告，支持鑑別診斷，並建議基於證據的治療方案。本文探討了GPT-4在提升診斷精確度和報告效率的應用，同時也提到實施AI技術所面臨的倫理和隱私挑戰，強調需謹慎監督和遵循法規。最終，這些技術有望改善病人照護和臨床研究。 PubMed DOI

Enhancing radiology training with GPT-4: Pilot analysis of automated feedback in trainee preliminary reports.
利用 GPT-4 增強放射科訓練：對實習生初步報告自動反饋的初步分析。 Curr Probl Diagn Radiol 2024-08-23

這項研究探討如何利用大型語言模型（LLMs）來提升放射科住院醫師的回饋，特別是找出他們初步報告中遺漏的診斷。研究分析了500對初步與最終報告，使用的LLM（GPT-4）成功識別出24個獨特的遺漏診斷，敏感度達79.2%。來自14位住院醫師的回饋顯示，他們對LLM生成的回饋滿意度平均為3.50，感知準確度為3.64（滿分5分）。大多數醫師偏好將LLM回饋與傳統回饋結合，顯示LLMs能有效補充傳統回饋方法。 PubMed DOI

原始文章

站上相關主題文章列表