大型語言模型（LLMs）已經改變了科技，不僅在自然語言處理領域，也在其他領域有所影響。這些模型在龐大的數據集上進行了廣泛的預訓練，可以處理各種任務而無需額外的微調，包括在專業領域如放射學。LLMs的通用聊天機器人可提升放射科醫師的工作效率。LLMs正快速演進，應對挑戰，並納入多模態輸入。本篇提供概念知識和實用指導，針對有興趣利用LLMs的放射科醫師，提供了對該主題的概述，總結了放射學特定方面的發展。 PubMed DOI

DL和LLMs在放射學中發揮重要作用，但仍需解決挑戰，確保臨床可靠性。放射科醫師應了解這些技術，並堅持醫學安全和道德。 PubMed DOI

2023年，ChatGPT推出後掀起AI熱潮。OpenAI的大型語言模型（LLMs）不提供給安全診所現場使用。各方積極推動LLM民主化，允許本地實施符合隱私規範且適應特定數據。本文探討放射學中本地LLM的潛力，並討論開放與封閉AI領域的發展。初創公司如Meta、Google、X和Mistral AI透過開放模型推動LLM民主化。雖然性能可能不及GPT-4等封閉LLM，但開放LLM在改善診斷報告、與患者互動及從臨床數據庫中提取診斷信息方面展現潛力。 PubMed DOI

大型語言模型（LLMs）已經在科技界帶來重大變革，應用範圍超越自然語言處理，甚至進入放射學等專業領域。這些模型透過大規模數據預訓練，能執行多種任務，且通常不需再微調。隨著技術進步，LLMs 也在解決幻覺、偏見、高訓練成本等挑戰，並開始整合多模態輸入。對於小型本地開源 LLMs 的需求上升，因為它們能針對醫學知識進行微調，提升效率與隱私保護。本文將探討 LLMs 在放射學的現狀與未來發展。 PubMed DOI

近年來，生成式人工智慧（AI）特別是大型語言模型（LLMs）和多模態模型（MM-LLMs）受到廣泛關注。LLMs如ChatGPT和LLaMA，能理解和生成語言，而MM-LLMs則結合文本和圖像，模擬人類認知。這些技術在醫療領域有潛力改善病人護理，透過分析數據和提供診斷建議等方式。放射科醫生需了解LLMs的基本概念，以掌握其在影像領域的應用與挑戰。 PubMed DOI

放射科醫生越來越依賴人工智慧（AI）來提升診斷準確性，但許多人對機器學習（ML）和深度學習（DL）技術不夠熟悉，限制了這些技術的應用。研究評估了大型語言模型（如GPT-4o）作為推薦系統的有效性，幫助醫生理解和應用AI。GPT-4o根據提供的數據特徵，成功推薦了適合的演算法，如U-Net和EfficientNet，顯示出其作為醫生資源的潛力，並有助於縮小AI實施的知識差距。未來應探討如何將這些模型整合進日常工作流程。 PubMed DOI

大型語言模型（LLMs）如ChatGPT正在改變放射學研究，簡化研究流程。放射學研究聯盟（RRA）成立工作小組，制定負責任使用LLM的指導方針。LLMs能自動化文獻回顧、生成研究問題、分析數據及撰寫手稿，提升研究效率。不過，對於缺乏人工智慧經驗的人來說，仍有挑戰。本評論提供有效利用LLMs的策略，強調提示工程的重要性，並探討維持科學誠信的倫理考量。結合人類專業與人工智慧，放射學研究人員可推動創新、擴展知識，改善病患照護。 PubMed DOI

最近大型語言模型（LLMs）在放射診斷方面的進展顯著，無論是開源還是專有模型，都能透過本地或雲端部署來解決隱私問題。研究評估了十五個開源LLMs和一個封閉源LLM（GPT-4o）的診斷表現，使用了1,933個來自Eurorad的案例。結果顯示，GPT-4o的表現最佳，其次是Llama-3-70B，顯示開源模型的表現逐漸接近專有模型，顯示其在放射鑑別診斷中的潛力。 PubMed DOI

這項研究探討了符合隱私要求的開源大型語言模型（LLMs）在檢測放射科報告錯誤的有效性，並與商業封閉源模型比較。分析了120份報告，發現封閉源模型（如GPT-4）在錯誤檢測率上優於開源模型，分別為88%和79%。不過，開源模型的處理時間較短，每份報告僅需6秒。研究結論指出，開源模型雖然有效，但準確性尚未達到封閉源模型的水準，未來有潛力在保護病人隱私的同時提升臨床工作流程。 PubMed DOI

這篇文章探討大型語言模型（LLMs），特別是生成預訓練變壓器（GPTs）在醫學和放射學的影響。重點在於優化技術，如提示工程和微調，以提升模型的準確性，讓像GPT-4這樣的模型能適應特定任務。儘管這些模型潛力無窮，文章也指出實施過程中的挑戰，包括複雜性、幻覺、偏見和安全風險等問題。作者希望為放射科醫師提供LLMs的基礎知識和最佳實踐，並探討這些技術在放射學中的應用及其限制。 PubMed DOI