研究比較了KARA-CXR和ChatGPT兩種人工智慧技術在閱讀胸部X光片時的表現，結果顯示KARA-CXR準確性較高，且在虛假發現、位置不準確和幻覺方面表現也更好。這研究強調了人工智慧和語言模型在醫學影像領域的潛力，KARA-CXR在胸部X光片診斷上有很大的發展空間。 PubMed DOI

研究評估了ChatGPT-4V在解讀COVID-19、NSCLC和對照組案例的胸部CT掃描的準確性。ChatGPT-4V整體準確率為56.76%，對不同情況的敏感性和特異性有所不同。模型在所有肺葉案例中表現最佳。研究強調了AI模型在放射學中的挑戰和改進領域，呼籲加強模型以提升醫療應用的可靠性。 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

這項研究開發了一個基於人工智慧的異常檢測模型，幫助醫療人員識別新型疾病並防止疫情擴散。模型使用來自麻薩諸塞州一所醫院的120,714名住院病人數據，基於生成預訓練變壓器（GPT）架構，並透過經驗風險最小化進行訓練。它分析電子健康紀錄，檢測不尋常的病人特徵，並在COVID-19疫情初期成功預測住院情況，達到92.2%的準確率。該模型在異常檢測和死亡預測上表現優異，顯示出在現代醫療中的潛力。 PubMed DOI

這項研究探討大型語言模型（LLMs）在從非結構化放射報告中提取臨床數據的效果，專注於七種肺部疾病。研究分析了1,800份報告，並使用Google Gemini Pro 1.0、OpenAI的GPT-3.5和GPT-4進行數據提取。結果顯示，所有模型的準確率都很高，特別是GPT-4的表現最佳，敏感性和特異性均達到優秀水準。這些結果顯示，LLMs，尤其是GPT-4，可能成為醫生進行病歷審查的有效替代方案，提升非結構化放射數據的提取能力。 PubMed DOI

最近，自然語言處理（NLP）在醫療領域的進展顯著，特別是在數據分析和診斷方面。OpenAI的ChatGPT 4.0被評估在胸部影像診斷的表現，整體準確率達84.9%。它在術語和診斷徵象上表現優異，重症監護和正常解剖的準確率分別為90%和80%。在病理問題上，平均準確率為89.1%，但在某些疾病如肺癌的表現較差。總體來看，ChatGPT 4.0顯示出潛力，但仍需進一步研究以提升其臨床應用的可靠性。 PubMed DOI

癡呆症的診斷在全球醫療中面臨挑戰，主要因為其複雜性及電子健康紀錄的不一致性。傳統診斷方法可能會漏掉或錯誤識別病例，因此需要改進工具。本研究探討人工智慧（AI）及大型語言模型（LLMs）在提升癡呆症檢測的潛力。研究結果顯示，使用GPT-4的患者紀錄聚合方法達到最高準確率0.86，顯示大型語言模型能顯著改善癡呆症診斷的準確性，優於傳統方法。 PubMed DOI

這項研究探討了診斷結核性胸腔積液（TPE）的挑戰，並利用ChatGPT-4開發診斷模型，與傳統邏輯回歸及機器學習模型進行比較。研究收集了109名TPE患者和54名非TPE患者的臨床數據，選擇了73個相關特徵。結果顯示，LLM在敏感性、特異性及整體準確性上超越了邏輯回歸，並與機器學習模型相當。研究還開發了一個Python套件，提供快速診斷工具，顯示出LLM模型在臨床上的潛力，但仍需更大數據集進行驗證。 PubMed DOI

本研究探討AI模型（如GPT-3.5和GPT-4）在急診科生成病症鑑別診斷的表現，並與急診科醫師的準確性進行比較。結果顯示，ChatGPT-4的準確率為85.5%，略高於ChatGPT-3.5的84.6%和醫師的83%。特別是在腸胃主訴方面，ChatGPT-4的準確性達87.5%。研究顯示AI模型在臨床決策中具潛在應用價值，建議未來進一步探索AI在醫療中的應用。 PubMed DOI

這項研究探討了使用ChatGPT 4.0搭配「X-Ray Interpreter」來解讀急診胸部X光片。分析了1,400張來自NIH的影像，涵蓋七種病理類別。ChatGPT在識別正常X光片方面表現優異，敏感度達98.9%，特異度93.9%。對於肺炎和氣胸的診斷表現較好，但在肺不張和肺氣腫上則較差。總體來看，ChatGPT作為輔助診斷工具顯示潛力，但對於更細微的診斷仍需改進，未來可與專業影像識別模型整合以提升能力。 PubMed DOI