討論了GPT-4等大型語言模型對外科腫瘤學的影響，提供更先進的語言理解與生成能力。LLMs整合到醫學人工智慧框架，可即時支援癌症護理，但需注意倫理、隱私及效力問題。醫護人員、AI開發者與監管機構需合作，負責任地運用LLMs，有助於提升外科腫瘤學領域的病人護理與安全。 PubMed DOI

深度學習應用在病理圖像可提升腫瘤醫學精準度，減輕專家負擔。然而，訓練模型需要耗時且昂貴的標記數據。研究指出使用GPT-4等大型語言模型，能從非結構化病理報告中提取結構化數據，無需重新訓練。結果顯示模型生成的數據與人類高度一致，未來或可應用在提取真實數據供機器學習使用。 PubMed DOI

研究發現，大型語言模型在醫療保健領域有潛力，尤其在識別轉移性癌症患者方面。GPT-4表現最佳，提示和推理步驟清晰簡潔效果更好。即使改變輸入標記，GPT-4仍保持高準確性。建議透過策略性提示設計，GPT-4或許可取代專門模型，提升醫療應用。 PubMed DOI

研究比較了GPT-4等大型語言模型和傳統監督式模型在臨床註記中提取資訊的表現。結果顯示，對於標籤不平衡的任務，大型語言模型可能比監督式模型更有效。雖然大型語言模型減少了標註數據的需求，但監督式模型搭配詳細標註仍能提供相當結果。使用大型語言模型可加速臨床自然語言處理研究，減少對精心策劃數據集的需求，潛在增進臨床研究中自然語言處理變數的應用。 PubMed DOI

研究探討大型語言模型如ChatGPT在乳癌管理上的應用，發現準確性有差異。儘管有潛力，但需注意準確性不一致和依賴提示等挑戰，強調驗證和監督的重要性。 PubMed DOI

研究比較了GPT-4與傳統監督式模型在臨床註記中提取資訊的表現，結果顯示GPT-4在乳癌病理報告分類上表現優異，甚至超越其他LLMs和監督式模型。GPT-4的零-shot分類能力對標籤不平衡的任務特別有效。雖然LLMs減少了標註需求，但簡單模型配合大量標註資料也能達到相當效果。GPT-4有潛力加速臨床自然語言處理研究，減少標註需求，促進臨床研究中使用自然語言處理變數。 PubMed DOI

近期人工智慧的進步，特別是大型語言模型如GPT-4Vision (GPT-4V)，擴展了醫學影像解讀的潛力。一項研究評估了GPT-4V在分類組織病理影像的準確性，並與傳統的卷積神經網絡（CNN）進行了比較。研究使用了1520張來自患有神經退行性疾病的患者的影像，結果發現GPT-4V能夠準確識別染色技術和組織來源，但在特定病變識別方面表現不佳。研究還指出，GPT-4V的影像解讀受到文本上下文的影響，導致一些診斷不準確。然而，透過少量樣本學習，能顯著提升GPT-4V的診斷能力，使其與CNN模型YOLOv8的表現相當。這種方法對神經病理學有潛力，因為取得大量標記數據集通常相當困難。 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

GPT-4 Vision（GPT-4V）是多模態人工智慧的一大進步，能從圖像生成文字，無需專門訓練。這使得 ChatGPT 轉型為大型多模態模型，並在放射學中展現潛力，特別是在提升工作流程和決策支持方面。測試結果顯示，GPT-4V 能有效分類圖像、計算數量及解讀手寫文字，但在檢測骨折和解釋複雜圖表上表現不佳。雖然它在放射學任務中顯示潛力，但仍需進一步訓練以確保安全使用，並強調人類專業知識的重要性。 PubMed DOI

這項研究評估大型語言模型（LLMs）在分析乳腺癌病理報告的有效性，特別是識別病理完全反應（pCR）。研究者使用兩種方法：提取不同變壓器模型的嵌入和微調GPT-2模型，分析351名接受新輔助化療的女性患者。優化後的結果顯示，敏感度達95.3%，陽性預測值90.9%，F1分數93.0%。這顯示LLMs在提取臨床數據上優於傳統機器學習模型，並強調其在改善病人護理和乳腺癌管理的潛力，但仍需進一步驗證以確保結果的可靠性。 PubMed DOI