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ChatGPT-4在住院神經科的診斷準確性，並與顧問神經科醫師進行比較。研究使用Epic電子健康紀錄的病人數據，CG4為51位病人生成了初步診斷和治療計畫。結果顯示，CG4的平均得分為2.57，顧問醫師為2.75，整體成功率相近（CG4為96.1%，顧問醫師為94.1%）。雖然顧問醫師的全面診斷可能性略高，但CG4仍被視為神經科有價值的診斷工具。未來需進一步研究以驗證這些結果。 PubMed DOI

急性主動脈剝離（AD）是一種危及生命的疾病，常因症狀與其他病症相似而被誤診。本研究探討了OpenAI的AI模型ChatGPT 4.0在診斷急性AD的有效性。透過系統性搜尋PubMed，找到163篇案例報告，隨機分析十篇。患者年齡介於29至82歲，性別分佈均衡，高血壓為常見合併症。結果顯示，ChatGPT 4.0能成功將急性AD列為前三名的鑑別診斷之一，並在五個案例中確定為主要診斷。研究指出，ChatGPT 4.0可作為輔助工具，幫助醫生進行早期篩檢。 PubMed DOI

本研究評估了兩種AI模型（ChatGPT-4o和Claude 3.5 Sonnet）在檢測急性缺血性中風（AIS）方面的表現。分析了110例擴散加權影像（DWI），結果顯示Claude 3.5 Sonnet在靈敏度和特異性上均優於ChatGPT-4o，特別是在AIS的定位準確性上。雖然Claude 3.5 Sonnet的表現較佳，但兩者在準確性上仍有顯著限制，顯示出AI在臨床應用前需進一步發展。這強調了AI在放射診斷中的潛力與現階段的不足。 PubMed DOI

這項研究評估了ChatGPT-4o在識別MRI影像及診斷腦腫瘤的表現，並與經驗豐富的放射科醫師進行比較。研究涵蓋46名腦腫瘤患者的術前MRI影像。結果顯示，ChatGPT-4o識別病變的準確率為95.7%，但在定位病變和區分腦外、腦內病變方面表現不佳。其診斷成功率僅為56.8%，遠低於放射科醫師的90.9-93.2%。雖然ChatGPT-4o在某些特徵識別上表現良好，但在診斷上仍需改進，未來有潛力成為放射科醫師的輔助工具。 PubMed DOI

這項研究探討了GPT-4在提供未破裂顱內動脈瘤（UIAs）患者治療建議的能力。研究發現，GPT-4能分析臨床資訊並生成建議，且未出現事實錯誤，但在25%的案例中未提供具體建議。專家對其建議的評分中位數為3.4分，且與神經血管委員會的決策一致性為65%。專家對AI的輔助能力共識程度偏低。總體而言，GPT-4的具體性和對科學證據的依賴尚不足以取代專業決策，建議進一步評估其臨床應用能力。 PubMed DOI

這項研究評估了ChatGPT在急診部門對懷疑中風患者的決策支持潛力，於安卡拉Etlik市立醫院進行，涵蓋512名患者。研究比較了ChatGPT在中風中心運送、大血管阻塞懷疑及治療選擇的決策，結果顯示其建議與實際結果一致性高，中風診斷敏感度達91%，靜脈內治療的高陰性預測值分別為98%和97%。雖然ChatGPT顯示出潛力，但研究強調醫師監督的重要性，建議將其作為輔助工具整合進臨床決策過程，以提升效率並確保患者安全。 PubMed DOI

本研究評估了ChatGPT 4.0根據ACR-TI-RADS 2017標準解讀甲狀腺超音波報告的能力，並與醫療專家及一名缺乏經驗的使用者進行比較。結果顯示，ChatGPT在回聲焦點的評估上與專家一致，但在其他標準上則有不一致。缺乏經驗的使用者表現優於ChatGPT，顯示傳統醫學訓練的重要性。結論指出，ChatGPT可作為輔助診斷工具，但無法取代人類專業知識，並建議改善AI算法以增強其臨床實用性。 PubMed DOI

這項研究發現，ChatGPT-4o在判讀極早產兒腦部超音波、診斷腦室周圍-腦室內出血（PV-IVH）時，正確率達75%，非PV-IVH則有84.2%，和小兒放射科醫師的診斷有中度一致。顯示ChatGPT-4o有機會協助資源不足地區做早期篩檢，但還需要更多研究來驗證效果。 PubMed DOI

這篇研究發現，Aidoc AI在臨床上偵測頭部CT的顱內出血表現很好，放射科醫師用起來敏感度高、特異性也很棒。ChatGPT-4 Turbo也能準確從報告中抓出ICH，顯示自動化監控AI很有潛力。不過，Aidoc在某些掃描儀（像Philips）或影像雜訊多時，偽陽性會比較多。整體來說，持續監控AI表現很重要，結合大型語言模型能提升效率與可靠度。 PubMed DOI