Patient- and clinician-based evaluation of large language models for patient education in prostate cancer radiotherapy.
以病人和臨床醫師為基礎的評估大型語言模型在前列腺癌放射治療中的病人教育效果。 Strahlenther Onkol 2025-01-10

這項研究評估大型語言模型（LLMs）在提供前列腺癌放射治療病人教育的有效性，並納入臨床醫生和病人的反饋。研究中針對六個常見問題，評估了ChatGPT-4、Gemini、Copilot和Claude的回答。結果顯示，雖然所有模型的回答被認為相關且正確，但可讀性較差。病人對ChatGPT-4的評價較高，認為其回答易懂且有信心。整體而言，LLMs在病人教育上有潛力，但準確性和可讀性仍需改進，未來需進一步研究以提升其效益。 PubMed DOI

Enhancing doctor-patient communication using large language models for pathology report interpretation.
利用大型語言模型增強醫生與病人之間的溝通，以解讀病理報告。 BMC Med Inform Decis Mak 2025-01-24

這項研究探討大型語言模型（如GPT-4）如何提升術後病理報告的可讀性與理解度。研究分析了698份來自四家醫院的病理報告，重點在惡性腫瘤。透過創建詮釋性病理報告（IPRs）模板，發現使用IPRs後，病人的理解分數從5.23提升至7.98，醫生與病人溝通時間也減少超過70%。雖然未直接測量病人的治療結果，但改善的理解度和溝通效率可能對病人的參與度有正面影響，顯示人工智慧在醫療溝通中的潛力。 PubMed DOI

Leveraging Large Language Models to Generate Clinical Histories for Oncologic Imaging Requisitions.
利用大型語言模型生成腫瘤影像檢查申請的臨床歷史。 Radiology 2025-02-04

這項研究探討大型語言模型（LLMs）在自動生成腫瘤影像檢查申請的臨床歷史的應用，資料來自207名接受CT掃描的癌症患者。研究顯示，GPT-4在提取關鍵腫瘤學參數方面表現優異，F1分數達0.983。LLM生成的歷史中，主要診斷、急性症狀及相關手術的出現頻率均高於原始歷史，且差異具統計意義。放射科醫生更偏好LLM生成的歷史，認為其提供更完整的解讀，降低傷害風險。總之，LLM能準確創建全面的腫瘤影像臨床歷史，受到醫生青睞。 PubMed DOI

Radiology Report Annotation Using Generative Large Language Models: Comparative Analysis.
使用生成大型語言模型的放射學報告註釋：比較分析。 Int J Biomed Imaging 2025-02-19

最近大型語言模型（LLMs）如GPT-3.5和GPT-4在醫療領域的應用引起關注。本研究比較了這些模型在註解放射學報告及生成胸部CT印象的表現，旨在協助醫療專業人員處理日常文檔任務。研究使用了上下文學習和檢索增強生成等方法，並透過多種指標進行評估。結果顯示，GPT-4在性能上優於GPT-3.5，且提示設計對結果影響顯著。研究建議在醫療實踐中整合這些先進模型，以提升文檔效率與準確性。 PubMed DOI

Optimizing patient understanding of spine MRI reports using AI: A prospective single center study.
利用人工智慧優化病人對脊椎 MRI 報告的理解：一項前瞻性單中心研究。 Interv Pain Med 2025-03-07

這項研究評估人工智慧（AI）是否能幫助病人理解脊椎MRI報告，因為這些報告常用複雜的醫學術語。研究在2024年進行，參與者為102名即將接受脊椎MRI的成人病人。結果顯示，病人對AI解讀的理解度、清晰度及醫療參與度均顯著高於原始報告，且AI解讀的準確性也相當不錯。雖然AI解讀提升了病人的理解與滿意度，但仍有部分解讀不準確，顯示未來仍需持續研究。 PubMed DOI

Enhancing Physician-Patient Communication in Oncology Using GPT-4 Through Simplified Radiology Reports: Multicenter Quantitative Study.
利用 GPT-4 簡化放射科報告以增進腫瘤科醫師與病人溝通：多中心量化研究 J Med Internet Res 2025-04-17

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

Improving Radiology Report Conciseness and Structure via Local Large Language Models.
利用在地大型語言模型提升放射科報告的簡潔性與結構性 J Imaging Inform Med 2025-04-21

這項研究用私有大型語言模型在本地處理814份放射科報告，成功把內容重組、精簡，並依器官系統分類。Mixtral LLM表現最好，能減少超過53%冗詞，提升報告清晰度和結構。結果證明開源LLM不僅保障資料安全，也能有效簡化報告流程，幫助醫師更快掌握重點，優化臨床工作。 PubMed DOI

Artificial Intelligence Large Language Models Improve Patient Comprehension of Radiologist MRI Reports.
人工智慧大型語言模型提升病患對放射科醫師MRI報告的理解力 Arthroscopy 2025-04-27

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

Leveraging GPT-4 enables patient comprehension of radiology reports.
運用 GPT-4 提升病患對放射科報告的理解 Eur J Radiol 2025-04-28

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

RadGPT: A system based on a large language model that generates sets of patient-centered materials to explain radiology report information.
RadGPT：一套基於大型語言模型的系統，用於產生以病人為中心的說明資料，解釋放射科報告資訊 J Am Coll Radiol 2025-06-12

RadGPT 結合概念擷取和大型語言模型，能自動產生解釋和問答題，協助病人看懂放射科報告。研究顯示，AI 產生的內容多獲醫師好評，且無安全疑慮。LLM 產生的問題比傳統模板更優，這工具有助病人理解複雜醫療資訊，潛力十足。 PubMed DOI

原始文章

站上相關主題文章列表