研究比較大型語言模型（LLMs）和神經放射學家在臨床案例中的表現，結果顯示神經放射學家的判讀能力優於LLMs。ChatGPT和Glass AI表現相近，顯示在醫學文本訓練上有進步空間。LLMs雖有潛力，但仍需改進，顯示醫學領域仍需專業知識。 PubMed DOI

Transformer神經網絡最初為處理自然語言而生，現在在醫療領域廣泛運用，用來分析各種數據。應用範圍包括臨床語言處理、醫學影像、電子病歷、社群媒體、生理訊號和生物序列。Transformer已用於手術指導、預測手術後結果、臨床診斷、報告生成、數據重建和藥物/蛋白合成。討論了在醫療中使用Transformer的優勢和限制，如計算成本、模型解釋性、公平性、與價值觀一致性、倫理和環境影響。 PubMed DOI

傳統的預訓練和微調方法對於常見疾病有效，但對於罕見職業病如塵肺診斷困難。大型語言模型（LLMs）在多任務對話診斷中有潛力。新策略使用適配器層進行視覺-語言對齊，透過對話診斷，雖然挑戰性高，但可提高LLMs效果。移除文本分支、替換對話頭為分類頭，以增進LLMs效能。引入上下文多令牌引擎平衡圖像資訊和準確診斷，並使用信息發射器模塊單向信息流。實驗證實這些方法有效。 PubMed DOI

研究測試了精細調校的大型語言模型（LLM）在分類腦部磁振造影報告的效能。LLM表現高準確、敏感，且處理速度快，比人類放射科醫師更有效。結果顯示LLM在醫學影像分析上有潛力，與專業醫師相當。 PubMed DOI

這項研究探討大型語言模型（LLMs）在診斷下顎畸形的應用，目的是改善數據解釋，讓臨床醫師更容易使用。研究中將頭影測量數據轉換為文本，並分析多種LLM，如LLAMA-2和GPT模型，與傳統方法比較。結果顯示，較大的LLM在少量訓練下表現良好，減少分類模糊性，提升信息可及性和可解釋性。這些模型對經驗較少的醫師或資源有限的環境特別有幫助，未來隨著醫療數據集的改進，LLM的準確性和適用性將進一步提升。 PubMed DOI

大型語言模型（LLMs）正在改變自然語言處理（NLP）領域，為放射科醫師提供提升工作的機會。NLP是人工智慧的一個分支，透過演算法分析文本數據。近期的進展，如注意力機制和變壓器架構，讓像GPT-4和Gemini這樣的模型能生成類似人類的文本，並分析大量資料。 不過，LLMs也有其限制，例如依賴訓練數據的質量，可能會產生不準確的輸出。儘管如此，LLMs在放射學的應用逐漸受到重視，幫助醫師提取有價值的見解，改善工作流程，最終提升病患護理品質。 PubMed DOI

心血管疾病是全球主要的死亡原因，早期檢測仍然面臨挑戰。人工智慧（AI）在改善早期診斷方面展現潛力，特別是深度神經網絡能提高醫學影像的解讀準確性，發現心臟科醫生可能忽略的細節。隨著變壓器模型和大型語言模型的進步，AI能更好整合電子健康紀錄、影像和基因數據，幫助識別高風險患者並制定預防策略。儘管AI能提供即時診斷支持，但在臨床應用前仍需解決數據隱私和診斷錯誤等風險。本文探討AI在心血管醫學中的機會與挑戰。 PubMed DOI

這項研究提出了一種新方法，結合大型語言模型（LLMs）與電腦輔助診斷（CAD）網絡，提升胸部X光片的醫學影像分析。雖然LLMs在自然語言處理上表現優異，但在醫學影像上通常不佳。這個框架利用LLMs的優勢，改善CAD系統的診斷準確性和報告生成，讓報告品質更高。使用ChatGPT後，診斷表現提升了16.42個百分點，GPT-3則在F1-score上提高了15.00個百分點。這種創新方法有潛力改變臨床決策過程，並改善病患互動。 PubMed DOI

這項研究探討大型語言模型（LLMs）在診斷神經腫瘤方面的潛力，特別是在不斷變化的WHO中樞神經系統腫瘤指導方針下。研究測試了ChatGPT-4o、Claude-3.5-sonnet和Llama3在30個神經病理案例中的表現。結果顯示，結合檢索增強生成（RAG）後，LLMs在識別腫瘤亞型上達到90%的準確率，顯示它們能成為神經病理學家在報告實踐中的有用工具，特別是在跟上最新分類變更方面。 PubMed DOI

大型語言模型（LLMs）是透過大量文本訓練的先進神經網絡，能理解和生成類似人類的語言。ChatGPT是OpenAI開發的知名範例，具備語言翻譯、問題回答和文本補全等功能。它能生成醫療報告、手術記錄和詩歌等多種文本，並在神經外科中協助撰寫手術報告，促進醫療團隊溝通，還可作為醫學生的學習資源。不過，這類模型在醫療應用上也面臨一些挑戰。 PubMed DOI