研究使用ChatGPT將放射學報告翻譯成易懂語言，供患者和醫護參考。ChatGPT翻譯成功率高，且提供37%相關建議。雖有簡化，但更詳細提示可改進。與GPT-4比較，顯示報告品質提升。建議臨床教育可使用大型語言模型，並有進一步改進空間。 PubMed DOI

研究評估ChatGPT回答患者影像問題的表現，結果顯示準確性約83%，提示可提高。回答一致性隨提示增加而改善，大多相關。易讀性高，但複雜。ChatGPT有潛力提供正確相關資訊，但需監督。提示可提供針對性資訊，但易讀性未改善。需進一步研究克服限制，更適用於醫療。 PubMed DOI

大型語言模型如ChatGPT和Bard被運用在醫學領域，幫忙放射學報告翻譯和研究論文起草。研究發現，這些模型在臨床決策中使用美國放射學院適當性標準時表現相似，但ChatGPT在提供提示方面稍微比Bard好。提示工程技術可提高模型準確性，但在提供提示方面則沒有太大改善。LLMs在臨床決策有潛力，尤其是有良好提示的情況下。進一步研究不同臨床環境下的影響仍然很重要。 PubMed DOI

研究指出，在巴西放射學委員會考試中，使用QAPG和簡單指示風格的ChatGPT表現最好，特別是在放射學和診斷影像考試中。整體而言，GPT-4比GPT-3.5表現更佳，且較不受提示風格變化影響。建議提示不要太複雜，以免影響表現。QAPG提示可能對“A”選項有偏見。 GPT-4通過所有考試，而GPT-3.5在適當提示下通過兩個考試。 PubMed DOI

大型語言模型如ChatGPT在放射學領域有潛力，但成效需靠即時工程處理。不同提示策略可客製化模型回應，無需額外訓練。少樣本學習和嵌入式技術對提升聊天機器人輸出和透明度至關重要。在放射學等專業任務中，提示工程對LLMs利用至關重要，隨模型演進，零樣本學習等方法愈見重要。 PubMed DOI

研究測試了GPT-4對比劑問題回答能力，發現有指引可提升其表現。GPT-4展現了提供建議的能力，可在臨床決策支援上有潛力，但仍需改進以提高效能。 PubMed DOI

最新研究指出，ChatGPT 3.5和GPT-4在放射學診斷上表現優異。研究發現，使用不同提示影響它們對胸部放射學案例的診斷準確性。124個案例顯示，複雜提示顯著提升模型準確性。ChatGPT 3.5使用複雜提示後，準確率從25%提升至56.5%，GPT-4基準準確率為53.2%，使用複雜提示後提升至59.7%。研究強調提示工程對提升模型診斷性能的重要性。 PubMed DOI

這項研究評估了不同提示技術對GPT-3.5在回答美國醫學執照考試（USMLE）第一階段考題的影響。研究分析了1000個GPT-4生成的問題和95個真實考題，結果顯示各種提示類型的準確性差異不大，直接提示成功率為61.7%，思考鏈為62.8%，修改版思考鏈為57.4%。所有p值均高於0.05，顯示無顯著差異。結論認為，思考鏈提示並未顯著提升GPT-3.5的醫學問題處理能力，顯示人工智慧工具可有效融入醫學教育中，無需複雜提示策略。 PubMed DOI

這項研究探討不同提示工程技術對大型語言模型（如ChatGPT3.5和GPT4）在回答視網膜疾病相關問題時的影響。研究中使用了二十個常見問題，並在獨立問題、優化提示（提示A）及加上長度和閱讀水平限制的提示B下進行測試。三位視網膜專家評估回應的準確性和全面性，結果顯示兩個模型在各指標上無顯著差異，但提示B的可讀性較高，卻以準確性和全面性為代價。研究建議未來需進一步探討LLM在病人教育中的有效性及倫理問題。 PubMed DOI

這項研究評估了ChatGPT（GPT-3.5）在2021年ASPS整形外科在職考試中的表現，使用了不同的提示和檢索增強生成（RAG）技術。結果顯示，當以「住院醫師」身份回應時，準確率最高為54%，而RAG的使用並未顯著改善表現，準確率僅微幅提升至54.3%。整體而言，ChatGPT的表現位於第10百分位，顯示出需要進一步微調及採用更先進的方法，以提升AI在複雜醫療任務中的有效性。 PubMed DOI