病人現在更容易取得影像報告，但常覺得太複雜難懂。研究指出，讓病人更易理解報告有助於治療結果。提出的解決方案包括簡化報告、提供第二份報告和放射科醫師聯絡方式。人工智慧可協助簡化報告，但對病人的應用仍有限。新技術如自然語言處理和大型語言模型有潛力提升病人對報告的理解，但仍需更多研究。 PubMed DOI

這項研究評估了使用ChatGPT自動生成的醫學文本的準確性和易讀性。不同版本的磁共振成像（MRI）結果被創建並由醫學專業人員和患者評估。報告被發現一致地準確且易於理解，簡化版本對患者來說更容易理解。儘管簡化的報告有幫助，但並不能取代專家和患者之間進行詳細討論的必要性。 PubMed DOI

研究發現，使用人工智慧大型語言模型（AI-LLM）分析放射學報告，能有效提升易讀性。簡化專業術語後，報告的易讀性和準確性均有所提升。這項研究顯示，AI-LLM對於幫助患者更好理解放射學報告具有重要價值。 PubMed DOI

研究發現，使用人工智慧大型語言模型（AI-LLM）幫助患者理解膝蓋放射學報告效果顯著。報告變得更易懂，但仍可能有錯誤。建議醫師與患者一同檢視和討論報告，AI-LLM可作為提升患者理解的有用工具。 PubMed DOI

研究比較四個大型語言模型在簡化放射學報告以提高患者閱讀易懂性的表現。結果顯示，所有模型都成功簡化報告，但在提供背景資料後效果更好。這顯示這些模型在幫助患者理解放射學報告方面有潛力。 PubMed DOI

研究比較了不同大型語言模型在放射學自動摘要生成的效果，重點在於準確的摘要對準確傳達放射學發現至關重要。研究使用T5和BART模型進行微調和零-shot學習，並與RNN進行比較。結果顯示，T5模型在Rouge-L分數達到0.638，且人類評判顯示T5生成的摘要與專業放射科醫師相似度高達70%。研究指出，自然語言處理和語言模型技術的進步有助於提升放射學摘要生成工具，對放射科醫師的工作有所助益。 PubMed DOI

研究發現BARD在簡化放射學報告方面表現最好，易讀且易懂。ChatGPT-4和Microsoft Copilot也表現不錯。然而，緊急情況下的建議準確性有待改進。整合人工智慧到放射學溝通可增進患者參與，但仍需進一步提升。 PubMed DOI

放射學影像在醫學診斷中非常重要，對治療方向有關鍵影響。準確的放射學報告至關重要，常需與手術結果對照。手動比對費時費力，因此研究使用大型語言模型（LLM）自動提取報告關鍵細節，專注於肩部結構。LLM能識別放射學和手術報告中的特定結構，有助簡化評估過程。 PubMed DOI

這項研究探討了人工智慧大型語言模型（AI-LLM）在改善手部和手腕影像學報告可讀性上的效果。研究分析了300份報告，並要求AI用簡單語言解釋。結果顯示，AI生成的報告可讀性顯著提升，達到八年級以下的閱讀水平。X光報告的準確性評分為4.1，CT和MRI則為3.9。雖然AI有少量不準確內容，但整體上顯示出AI-LLM在幫助病人理解醫學影像結果方面的潛力。 PubMed DOI

這項研究開發了一個大型語言模型（LLM），能根據影像生成放射學印象，並評估其專業及語言表現。研究在上海總醫院進行，六位放射科醫生使用該模型並進行修正。LLM在20 GB醫學及一般文本數據上預訓練，並用1.5 GB數據微調，包含800份放射學報告。結果顯示，LLM的中位召回率為0.775，精確度0.84，F1分數0.772，表現良好。專家對其印象評價高，顯示其在放射學檢查中具專業性。 PubMed DOI