研究比較ChatGPT 4和Gemini Advanced在頭頸癌治療建議上的表現，發現ChatGPT 4較Gemini Advanced更遵循指引且治療規劃更全面。兩者在支持腫瘤學評估方面表現不錯，但仍有改進空間。研究強調持續更新和驗證的重要性，以更好整合人工智慧到醫療實務。 PubMed DOI

研究評估了OpenAI的ChatGPT-4和Google的Gemini Ultra大型語言模型在急救醫療服務（EMS）質量保證的應用。大型語言模型有潛力自動化部分病人護理報告處理，減輕醫務主任的工作量。人類審查者表現可靠，ChatGPT-4在某些方面表現不錯，但不夠穩定。Gemini Ultra表現不佳。建議將它們當作輔助工具，並加強培訓和整合，以提升質量保證流程的效能。 PubMed DOI

這項研究探討了大型語言模型（LLM）ChatGPT 在根據肝臟影像報告分類肝臟病變的能力，使用 MRI 報告進行比較。研究涵蓋 150 名患者的 205 份 MRI，重點在特定病變的大小、位置及動脈期對比增強標準。結果顯示，ChatGPT 在非結構化報告中的準確率（53%）高於結構化報告（44%），且在非結構化報告的協議程度（k = 0.51）也較佳。這顯示 LLM 在處理自由文本數據方面有潛力，但仍需優化以適應結構化數據。 PubMed DOI

這項研究探討了利用自然語言處理（NLP）技術，特別是ChatGPT，來提升放射科報告的產出效率。研究人員分析了1,000條來自MIMIC胸部X光數據庫的記錄，並使用Claude.ai提取關鍵字，再透過ChatGPT生成報告。結果顯示，Bart和XLM模型的報告與醫生撰寫的相似度高達99.3%，而其他模型表現較差。研究強調選擇合適的NLP模型對於提升放射科報告的效率和準確性至關重要。 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

這項研究比較了兩種大型語言模型（LLMs），Gemini 和 GPTs，在乳腺癌患者的 PET/CT 報告中提取數據和生成結構化報告的表現。研究涵蓋131名患者，發現 GPTs 在數據挖掘上準確率更高，特別是原發病灶（89.6% vs. 53.8%）和轉移病灶（96.3% vs. 89.6%）。此外，GPTs 在疾病進展決策和語義相似度上也優於 Gemini。整體來看，GPTs 在臨床應用中顯示出更高的潛力。研究使用多種統計方法驗證結果，數據可向通訊作者索取。 PubMed DOI

這項研究探討了先進人工智慧模型在放射學的診斷能力，特別是ChatGPT（3.5和4.0版本）及Google Gemini的表現。分析262道選擇題後，結果顯示ChatGPT 4.0準確率最高，達64.89%，其次是ChatGPT 3.5的62.60%和Google Gemini的55.73%。ChatGPT 4.0在腦部及頭頸部診斷上表現優異，而Google Gemini在頭頸部表現最佳，但其他領域則不佳。研究強調這些AI模型的效能差異，並呼籲進一步改進及評估，以提升其在醫療診斷和教育中的應用，並考量病人照護的倫理問題。 PubMed DOI

這項研究評估了兩個AI語言模型，ChatGPT 4.0和Google Gemini，在回答79個兒科放射學問題上的表現。結果顯示，ChatGPT 4.0的準確率為83.5%，而Google Gemini則為68.4%，差異顯著（p=0.0255，RR=1.221）。雖然ChatGPT 4.0整體上表現較佳，但在各問題的子部分並未見顯著差異。研究建議未來需進一步使用更大樣本和多模態輸入，以更全面評估AI模型在放射學的有效性。 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