乳腺癌仍是重要的健康議題，早期檢測能提高存活率。磁共振成像（MRI）因其對侵襲性乳腺癌的高敏感性，成為關鍵工具。電腦輔助檢測（CADe）系統能識別潛在病變，幫助醫生專注於重要區域，並與電腦輔助診斷（CADx）系統整合。 本篇綜述探討CADe系統在乳腺MRI中的現狀，涵蓋傳統方法及機器學習技術的演變。儘管有進展，CADe系統仍面臨假陽性、假陰性率及技術挑戰等問題。未來將專注於開發更穩健的算法，提升臨床應用的可行性。 PubMed DOI

這篇文章全面介紹了大型語言模型（LLMs）的進展及其在放射學的潛在應用。文獻回顧了醫學領域中LLMs的研究，特別關注其在臨床環境中的相關性與限制。文章強調了幾項重要研究，並指出放射科醫師參與LLM技術的重要性。了解各種應用及病人安全、倫理和數據保護的挑戰，對於負責任地將LLMs整合進臨床實踐至關重要。 PubMed DOI

核醫學在人工智慧（AI）的整合下已取得顯著進展，提升了診斷、預後、影像品質和治療效果。早期AI主要透過機器學習提高疾病分類和預測準確性，最近深度學習的進展則改善了影像診斷和個人化治療。不過，數據稀缺、異質性和倫理問題仍是挑戰。透過跨學科合作克服這些問題，將有助於AI在核醫學的更廣泛應用，進而改善病人護理和治療結果。 PubMed DOI

人工智慧（AI）正逐漸融入胸部放射學，展現出在解讀胸部X光片、篩檢肺癌及肺栓塞分流等方面的有效性。未來還有許多應用待探索，如過濾正常X光片和監控讀片錯誤。不過，成功實施AI需要針對性能評估、IT整合及持續監控制定策略。挑戰包括對放射科醫師的教育、管理風險及數據獲取差異。此外，下一代大型語言模型（LLMs）有潛力改變胸部放射學，但仍需進一步研究其可行性。 PubMed DOI

前列腺癌是男性癌症死亡的主要原因，因此準確診斷非常重要。多參數磁共振影像（mpMRI）因其高解析度成為關鍵診斷工具，但主觀解讀和讀者之間的變異性仍是挑戰。最近，人工智慧（AI）被視為增強mpMRI診斷能力的有力方法，透過自動化影像分析來改善檢測和風險分層。儘管AI模型展現潛力，但臨床應用仍需更多驗證研究。未來，結合影像與臨床數據的多模態方法，將在個性化診斷和治療中扮演重要角色。 PubMed DOI

人工智慧（AI）在心血管醫學中的重要性越來越明顯，促使醫生和研究人員探索其實際應用。AI能透過識別疾病變異、整合多種數據及改善治療方法來提升心血管護理。這篇綜述強調了AI在心臟電生理學、影像學等領域的創新應用，並指出機器學習在預測心血管風險中的重要性。儘管AI潛力巨大，但仍需解決技術和倫理問題，以確保其在臨床上的安全有效運用。制定高品質標準並與相關方合作，對於成功轉型心血管護理至關重要。 PubMed DOI

大型語言模型像GPT-4和Gemini在乳房影像領域很有潛力，可協助報告撰寫、診斷標準化和整合臨床指引。未來多模態能力也有望提升腫瘤分類等表現。不過，目前仍有幻覺、偏見、知識落差和隱私等挑戰。現階段LLMs只能當輔助工具，無法取代醫師，導入臨床還需嚴謹訓練和監督。 PubMed DOI

AI在小兒科應用越來越多，能提升效率、協助診斷，也能簡化病歷紀錄。不過，目前AI模型的可靠性和驗證還不夠，病患隱私和法律、倫理問題也要注意。AI應當當作輔助工具，不能完全取代醫師，避免過度依賴和錯誤資訊，未來還需要更多研究和規範。 PubMed DOI

這篇綜述分析67篇AI應用於MRI的研究，發現AI能加快掃描和判讀速度、自動分割影像，提升工作效率。常用技術有ResNet、U-Net等卷積神經網路。雖然AI表現不錯，但因外部驗證不足、資料集不一致，臨床應用還有限。未來需更多標準化研究，才能讓AI安全有效地用在臨床MRI。 PubMed DOI

數位乳房斷層攝影（DBT）能提供高解析度3D影像，有助於乳癌早期偵測，但也有高密度乳房影像、偽陽性率高和判讀時間長等問題。深度學習有機會提升DBT的診斷準確率和效率。這篇綜述整理了深度學習在DBT的應用現況、挑戰及未來發展方向，像是大型語言模型、領域轉移和資料增強等。 PubMed DOI