這項研究評估了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在從腫瘤科電子健康紀錄中提取患者共病情況的表現。研究分析了250份病歷報告，結果顯示GPT-4在敏感性上表現優於GPT-3.5和醫生，達到96.8%。雖然醫生在精確度上稍勝一籌，但GPT-4的表現更一致，且能推斷出非明確的共病情況。整體而言，這些模型在提取資訊方面顯示出潛力，可能成為數據挖掘的重要工具。 PubMed DOI

這項研究探討大型語言模型（LLMs）生成的簡化放射學報告對腫瘤科病人的影響，分為兩個階段進行。第一階段測試五種LLMs，結果顯示Claude Opus-Prompt 3表現稍佳。第二階段中，100名病人分為兩組，一組收到原始報告，另一組則收到簡化版本。調查結果顯示，簡化報告的病人對疾病理解更好，對醫療狀況感到更有信心。雖然少數報告需修正，但顯示LLMs能有效簡化醫療資訊，仍需人類監督。整體而言，研究建議LLMs可增強病人對健康資訊的理解。 PubMed DOI

這項研究評估了GPT-4和BioMistral 7B兩個大型語言模型在回答罕見疾病病人詢問的表現，並與醫生的回應進行比較。結果顯示，GPT-4的表現優於醫生和BioMistral 7B，回應被認為正確且具同理心。BioMistral 7B的回應則部分正確，而醫生的表現介於兩者之間。專家指出，雖然LLMs能減輕醫生負擔，但仍需嚴格驗證其可靠性。GPT-4在溝通上表現佳，但需注意回應的變異性和準確性。 PubMed DOI

這項研究探討使用本地部署的大型語言模型（LLM）自動回答醫療問題，特別針對甲狀腺癌的外科病理報告。研究比較了LLM與人類審閱者在提取關鍵資訊的表現。結果顯示，人類審閱者的一致率高達99%，而LLM的平均一致率為89%。在效率方面，LLM回答問題的時間約19.56分鐘，遠低於審閱者的170.7分鐘和115分鐘。研究顯示LLM能有效協助醫療問題回答，並有潛力進一步改善數據提取能力。 PubMed DOI

這項研究發現，用GPT-4簡化腫瘤放射科報告後，病患閱讀更快、理解更好，醫病溝通也更順暢。結果顯示，像GPT-4這類AI工具，能有效提升醫療溝通品質，幫助病患更容易取得和理解複雜醫療資訊，進而改善治療成效。 PubMed DOI

這項研究用GPT-4o和Llama3.3等大型語言模型，測試它們在227份人工合成病理報告中辨識和分類癌症的能力。結果顯示，這些AI模型在準確率、敏感度和特異性上都比傳統方法更優秀，有機會讓癌症登記流程更快、更可靠，提升公共衛生和臨床照護品質。 PubMed DOI

一項針對64位骨科病患的研究發現，用ChatGPT-4翻譯MRI報告能讓病患更容易看懂內容，理解度提升20%，有87.5%的人覺得AI翻譯更清楚。不過，大家對傳統報告的信任感還是稍高。AI翻譯雖然有幫助，但還是需要醫師把關，確保資訊正確。 PubMed DOI

這項研究用 GPT-4（透過 Azure）把荷蘭文放射科報告簡化成 B1 等級，讓病患更容易看懂。經過專家審查後，AI 生成的報告不只正確，病患也更滿意、理解度更高，大多數人都比較喜歡簡化版。這方法能幫助醫病溝通，減輕醫師負擔，也讓病患能做出更有根據的決定。 PubMed DOI

**重點摘要：** 這項研究評估了GPT-4將婦科手術報告簡化給病人閱讀的能力。簡化後的報告有助於病人更了解手術過程和結果，但臨床專家也指出醫療正確性方面有疑慮。雖然AI生成的摘要在病人衛教上很有潛力，但在常規用於術後照護和出院系統前，仍需謹慎監督以確保醫療內容的精確性。 PubMed DOI

這項研究發現，像GPT-4這類大型語言模型能把放射科醫師的摘要快速轉成完整CT報告，速度比傳統方式快，品質也差不多。雖然大多數錯誤跟模板有關，重大臨床錯誤很少見，但還是建議要有人工審查，確保報告正確無誤。 PubMed DOI