Large language models and multimodal foundation models for precision oncology.
精準腫瘤學的大型語言模型和多模態基礎模型。 NPJ Precis Oncol 2024-03-25

自2022年以來，人工智慧的進步特別在大型語言模型（LLMs）和變壓器神經網絡方面大幅加速。這對腫瘤學和癌症研究產生深遠影響，因為AI模型現在展現出處理文本和圖像的能力已達人類水準。這些技術整合後可建立多模式AI模型，能同時處理各種數據類型，遠離過去專門化模型的十年。這些進步有望不久將來改革精準腫瘤學。 PubMed DOI

Large Language Model-Augmented Auto-Delineation of Treatment Target Volume in Radiation Therapy.
大型語言模型增強的放射治療治療靶區自動 delineation。 ArXiv 2024-07-23

放射治療是癌症治療的重要方法，但目前的目標區域劃定仍依賴專家手動進行，容易耗時且不一致。雖然人工智慧在正常組織的自動輪廓描繪上已有進展，但準確劃定治療目標仍具挑戰。本研究介紹了Radformer，一個結合視覺變壓器和大型語言模型的自動劃定網絡，能有效整合視覺與文本數據。經過對2,985名頭頸癌患者的評估，Radformer在分割指標上表現優於現有模型，顯示其在放射治療中的潛力。 PubMed DOI

Auto-delineation of treatment target volume for radiation therapy using large language model-aided multimodal learning.
利用大型語言模型輔助的多模態學習自動勾畫放射治療的治療靶區體積。 Int J Radiat Oncol Biol Phys 2024-08-08

人工智慧在自動劃分正常組織上已有進展，但在放射治療目標體積的準確勾勒上仍有挑戰。為此，我們提出將目標體積劃分視為臨床決策問題，並開發了名為 Medformer 的視覺-語言模型，結合多模態學習。經過測試，Medformer 在前列腺癌和口咽癌數據集上均顯示出顯著的性能提升，特別是在腫瘤體積劃分上，DSC 和 IOU 指標均有明顯改善，顯示出其在臨床應用中的潛力。 PubMed DOI

Large-language-model empowered 3D dose prediction for intensity-modulated radiotherapy.
大型語言模型驅動的強度調變放射治療三維劑量預測。 Med Phys 2024-09-24

這項研究探討放射治療中的治療計畫挑戰，重點在於使用深度學習模型預測劑量-體積直方圖（DVHs），特別是新型的劑量圖神經網絡（DoseGNN）。這個模型能將醫學影像轉換為結構化圖形，提升DVH預測準確性。DoseGNN結合大型語言模型（LLM），促進臨床醫師互動，並提出線上人機協作系統（OHAC）以改善強度調變放射治療（IMRT）的自動化。與其他模型比較，DoseGNN在預測計畫目標體積和危險器官的表現更佳，顯示出提升放射治療計畫準確性和效率的潛力。 PubMed DOI

Multi-modal large language models in radiology: principles, applications, and potential.
放射學中的多模態大型語言模型：原則、應用與潛力。 Abdom Radiol (NY) 2024-12-02

這篇評論探討大型語言模型（LLMs）和多模態大型語言模型（MLLMs）在放射學的進展，強調它們在報告生成、影像解讀、電子健康紀錄摘要等方面的潛力。透過自動化，這些模型能減輕放射科醫師的負擔，提高診斷準確性，並促進跨學科合作，最終提升病人護理品質。不過，評論也指出MLLMs在解讀三維醫學影像及整合影像與文本數據上仍面臨挑戰，並呼籲對評估方法的改進。 PubMed DOI

Large Language Models and Large Multimodal Models in Medical Imaging: A Primer for Physicians.
醫學影像中的大型語言模型和大型多模態模型：醫師入門指南。 J Nucl Med 2025-01-17

大型語言模型（LLMs）對醫療保健，特別是醫學影像領域，將帶來重大影響。隨著它們發展成能處理文本與影像的多模態模型（LMMs），醫生了解這些技術的基本概念變得相當重要，以便能有效且負責任地使用。文章介紹了標記嵌入、變壓器網絡、自我監督預訓練和微調等基本原則，並深入探討LMMs的技術創建過程及其在醫學影像中的應用。 PubMed DOI

Large language model-augmented learning for auto-delineation of treatment targets in head-and-neck cancer radiotherapy.
大型語言模型增強學習於頭頸癌放射治療中自動勾畫治療目標的應用。 Radiother Oncol 2025-01-24

放射治療雖然有效，但手動劃定目標常常耗時且不穩定。這項研究介紹了Radformer，一種新型視覺語言模型，結合臨床文本和醫學影像，提升自動化的目標劃定。Radformer使用分層視覺變壓器和大型語言模型，並透過視覺語言注意模組整合信息。在2,985名頭頸癌患者的數據中，Radformer在目標劃定上表現優於現有模型，顯示出顯著的準確性進步，為AI輔助的放射治療計劃自動化鋪平道路。 PubMed DOI

Multimodal large language models address clinical queries in laryngeal cancer surgery: a comparative evaluation of image interpretation across different models.
多模態大型語言模型在喉癌手術中解決臨床問題：不同模型之間影像解讀的比較評估。 Int J Surg 2025-01-27

這項研究探討六種多模態大型語言模型（MLLMs）在解讀喉癌手術影像的有效性。研究分析了50位病人的169張影像，提出1084個臨床問題來評估模型表現，並由兩位醫師獨立評估。結果顯示，Claude 3.5 Sonnet的準確率最高，達79.43%。不同影像類型及商業模型與開源模型之間的表現差異明顯，最佳商業模型的表現比其他模型高出19個百分點。研究指出，雖然MLLMs在手術決策支持上有潛力，但仍需針對特定需求進行開發，並整合進臨床流程。未來應著重於利用多中心數據集來創建專門針對喉癌的MLLMs。 PubMed DOI

Fine-tuning a local LLaMA-3 large language model for automated privacy-preserving physician letter generation in radiation oncology.
在放射腫瘤學中微調本地 LLaMA-3 大型語言模型以自動生成保護隱私的醫生信函。 Front Artif Intell 2025-01-29

這項研究探討大型語言模型（LLMs），特別是LLaMA模型在放射腫瘤學中生成醫師信件的應用，重點在隱私與效率。研究發現，未經微調的LLaMA模型效果不佳，但QLoRA演算法能在有限資源下進行有效微調，使模型學習相關資訊並生成符合機構風格的信件。結果顯示，8B LLaMA-3模型在生成摘要報告上表現優於13B LLaMA-2模型。醫師評估認為，微調後的模型能有效生成信件的基本內容，並在適當審查下具實際臨床價值。 PubMed DOI

Leveraging Large Language Models to Generate Clinical Histories for Oncologic Imaging Requisitions.
利用大型語言模型生成腫瘤影像檢查申請的臨床歷史。 Radiology 2025-02-04

這項研究探討大型語言模型（LLMs）在自動生成腫瘤影像檢查申請的臨床歷史的應用，資料來自207名接受CT掃描的癌症患者。研究顯示，GPT-4在提取關鍵腫瘤學參數方面表現優異，F1分數達0.983。LLM生成的歷史中，主要診斷、急性症狀及相關手術的出現頻率均高於原始歷史，且差異具統計意義。放射科醫生更偏好LLM生成的歷史，認為其提供更完整的解讀，降低傷害風險。總之，LLM能準確創建全面的腫瘤影像臨床歷史，受到醫生青睞。 PubMed DOI

原始文章

站上相關主題文章列表