這項研究探討大型語言模型（LLMs），如ChatGPT，如何應用於血液學實務，並指出其優缺點。透過系統性回顧2022年12月後的研究，分析了10項來自PubMed、Web of Science和Scopus的研究，並使用QUADAS-2工具評估偏差。結果顯示，LLMs在血紅蛋白病的診斷準確率可達76%，顯示其在診斷和教育上的潛力。然而，表現不一致引發對其可靠性的擔憂，且研究範圍和數據集的限制可能影響結果的普遍性。因此，LLMs在臨床應用中仍需進一步測試和監測，以確保準確性和適應性。 PubMed DOI

大型語言模型（LLMs）在技術上有重大進展，對血液學等領域具顛覆潛力。這篇評論回顧了LLMs的演變及其功能，並探討如何在血液學中有效應用。特定領域如診斷準確性、病患溝通及研究流程可從中受益。我們還提出一個框架，確保LLMs工具的安全與倫理發展，強調在提升臨床優勢的同時，降低風險。遵循這些指導方針，能改善血液學結果，並維持倫理標準與病患安全。 PubMed DOI

大型語言模型（LLMs）在腫瘤學的應用正在改變病人照護的方式。它們能提供個性化的癌症資訊、協助診斷、監測治療進展，並促進後續照護。這些模型的潛在好處包括提高資訊可及性、個性化支持及提升醫療效率。然而，使用過程中也需注意數據隱私、偏見及知情同意等倫理問題。此外，法規方面需建立明確的批准流程、責任界定及持續監測機制，以確保安全與有效性。整體而言，LLMs在腫瘤學的整合需謹慎推進。 PubMed DOI

這篇文章探討深度學習如何徹底改變癌症診斷，從傳統的影像分析轉向更以病人為中心的方法。強調神經網絡在生物醫學研究中的進步，及其對醫學影像和多模態數據整合的影響。文章建議應該開發專門的人工智慧系統來處理複雜的臨床任務，特別是透過大型語言模型來整合各種數據，提升癌症診斷的準確性與效率，最終改善病人的治療結果。 PubMed DOI

急性前髓細胞白血病（APL）是一種急性髓性白血病，因染色體易位導致PML::RARA基因融合，若不治療會有高死亡風險。快速診斷對於APL至關重要，螢光原位雜交（FISH）和聚合酶鏈反應（PCR）是常用技術。近期人工智慧（AI）技術的進展，特別是機器學習（ML）和深度學習（DL），在APL的診斷和管理上顯示出良好潛力。文獻分析顯示，這些AI模型在靈敏度、特異性和準確性上表現優異，未來有望成為評估APL的重要工具。 PubMed DOI

這篇綜述介紹大型語言模型在腫瘤醫學的應用，包括癌症篩檢、診斷、分期和治療建議等，展現其提升精準醫療的潛力。文章也點出幻覺、倫理和應用侷限等挑戰，並提出改進建議，期望推動LLMs在癌症照護上的發展。 PubMed DOI

大型語言模型正改變基因體醫療，能快速分析文獻和基因資料，提升診斷與治療建議的精準度。雖然還有挑戰待克服，但隨著技術進步和跨領域合作，未來 AI 將成為臨床基因體分析的主流工具，推動個人化醫療發展。 PubMed DOI

大型語言模型在癌症影像領域應用越來越多，像是自動產生報告、分類影像、整合臨床指引，還能幫助病人理解報告。未來有機會協助腫瘤委員會討論、治療管理和預測副作用。不過，目前還有幻覺和表現不穩定等問題，限制臨床應用。 PubMed DOI

數位乳房斷層攝影（DBT）能提供高解析度3D影像，有助於乳癌早期偵測，但也有高密度乳房影像、偽陽性率高和判讀時間長等問題。深度學習有機會提升DBT的診斷準確率和效率。這篇綜述整理了深度學習在DBT的應用現況、挑戰及未來發展方向，像是大型語言模型、領域轉移和資料增強等。 PubMed DOI

大型語言模型在腫瘤醫學有潛力協助臨床決策、資料整理及病患溝通，對醫師和病患都有幫助。不過，也有幻覺、泛化和倫理等問題需注意。LLMs應當作為輔助工具，幫助醫師提升癌症照護品質，而非取代醫師角色。 PubMed DOI