研究使用ChatGPT進行甲狀腺結節風險評估，顯示在預測惡性風險方面有一定潛力，但仍需更多研究驗證臨床應用。整合ChatGPT到臨床工作流程中，有助於提升甲狀腺結節風險評估和病人護理的效果。 PubMed DOI

透過ChatGPT的協助，我們成功開發了一個深度學習模型，用來分析甲狀腺結節的超音波影像和細針穿刺活檢（FNAB）結果。研究共有1,061位參與者，模型在測試中達到0.81的準確度，對良性和惡性甲狀腺病理的區分表現出高精確度和召回率，平衡的F1分數為0.86。這研究顯示了人工智慧，包括ChatGPT，在醫學影像分析深度學習模型上的潛力。 PubMed DOI

這項研究評估了大型語言模型（LLMs），特別是ChatGPT-3.5和New Bing Chat，在模擬醫生角色管理甲狀腺結節的表現。研究中提出145個病人的問題，並與初級醫生和資深醫生的回答進行比較。結果顯示，這兩個LLMs在某些問題上表現接近初級醫生，但整體準確性較低。雖然ChatGPT-3.5在特定問題上表現較好，但New Bing Chat在甲狀腺結節的決策準確性較高。總體而言，這些LLMs尚未達到人類醫生的臨床決策能力。 PubMed DOI

最近在人工智慧（AI）和大型語言模型（LLMs）方面的進展，特別是在皮膚科，顯示出良好的潛力。本研究比較了Claude 3 Opus和ChatGPT（GPT-4）在分析皮膚鏡影像以檢測黑色素瘤的表現。結果顯示，Claude 3 Opus在惡性區分上表現較佳，敏感度和特異度均高於ChatGPT。雖然兩者在診斷上有其潛力，但仍存在錯誤，強調了AI與臨床醫生合作的重要性，以開發更可靠的診斷工具。 PubMed DOI

這項研究評估了多種大型語言模型（LLMs）在冠狀動脈疾病（CAD）診斷中的表現，特別是根據CAD-RADS 2.0指引進行比較。結果顯示，ChatGPT 4o的準確率最高，達到100%，接著是ChatGPT 4和Claude 3 Opus，準確率為96.6%。其他模型的準確率也不錯，介於90%到93.3%之間。這些結果顯示LLMs在改善CAD的放射報告和病人照護方面的潛力，並強調進一步研究其視覺診斷能力的重要性。 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

這項研究評估了八種公開的大型語言模型（LLMs）在24個神經放射學臨床情境中提供影像建議的表現。評估模型包括GPT-4、ChatGPT、Bard、Bing Chat、Llama 2等。結果顯示，GPT-4表現最佳，提供23個最佳建議，其次是ChatGPT有20個，而Llama 2僅有5個最佳建議。這項研究強調了大型語言模型在臨床影像利用上的潛力，並探討了評估其表現的挑戰，具有重要意義。 PubMed DOI

這項研究評估大型語言模型（LLMs）在前列腺MRI報告中分配PI-RADS類別的效果。研究對象為100名未接受活檢的患者，MRI報告由兩位泌尿放射科醫師分類，並與GPT-3.5、GPT-4、Bard和Gemini的結果進行比較。結果顯示，放射科醫師的準確率高達95%和90%，而GPT-3.5和Bard僅67%。更新的GPT-4和Gemini分別提高至83%和79%。整體而言，LLMs在準確性上仍不及人類醫師，臨床應用需謹慎考量。 PubMed DOI

這項研究評估了ChatGPT-4和ChatGPT-4o在乳腺癌影像報告及BI-RADS分數生成的有效性。研究使用了77張來自radiopaedia.org的影像，包含乳房X光和超音波，並在不同會議中進行評估以避免偏見。結果顯示，兩個模型在BI-RADS評分的準確率為66.2%，在BI-RADS 5案例中表現最佳（ChatGPT-4為84.4%，ChatGPT-4o為88.9%）。不過，它們在BI-RADS 1-3案例中常常給予過高的嚴重性評分，顯示目前大型語言模型在乳腺影像評估上的局限性，需進一步研究才能整合進臨床實踐。 PubMed DOI