Local large language models for privacy-preserving accelerated review of historic echocardiogram reports.
本地大型語言模型用於隱私保護加速審查歷史心臟超聲報告。 J Am Med Inform Assoc 2024-04-30

研究利用大型語言模型協助臨床醫生問心臟超聲心動圖報告，提升對複雜心臟病患見解，增進患者護理效率。研究收集西奈山醫療體系10年數據，每患者有10份報告。LLM模型LLaMA-2 70B回答問題準確率達90%，尤其在嚴重程度評估和診斷檢索表現較佳。研究顯示使用LLM解釋心臟超聲心動圖數據有效，比傳統搜索更佳，提高臨床決策和研究效率。 PubMed DOI

A comparative study of large language model-based zero-shot inference and task-specific supervised classification of breast cancer pathology reports.
基於大型語言模型的零-shot推論與特定任務監督分類在乳腺癌病理報告中的比較研究。 J Am Med Inform Assoc 2024-06-20

研究比較了GPT-4與傳統監督式模型在臨床註記中提取資訊的表現，結果顯示GPT-4在乳癌病理報告分類上表現優異，甚至超越其他LLMs和監督式模型。GPT-4的零-shot分類能力對標籤不平衡的任務特別有效。雖然LLMs減少了標註需求，但簡單模型配合大量標註資料也能達到相當效果。GPT-4有潛力加速臨床自然語言處理研究，減少標註需求，促進臨床研究中使用自然語言處理變數。 PubMed DOI

Harnessing Large Language Models for Structured Reporting in Breast Ultrasound: A Comparative Study of Open AI (GPT-4.0) and Microsoft Bing (GPT-4).
利用大型語言模型進行乳腺超音波的結構化報告：Open AI (GPT-4.0) 與 Microsoft Bing (GPT-4) 的比較研究。 Ultrasound Med Biol 2024-08-13

這項研究評估了大型語言模型（LLMs），特別是Open AI的GPT-4.0和Microsoft Bing的GPT-4，在將非結構化的乳房超音波報告轉換為結構化格式的有效性。研究分析了100份報告，結果顯示GPT-4.0在生成結構化報告、準確分配BI-RADS分類及提供管理建議方面均優於Bing。此外，GPT-4.0在預測良性和惡性特徵的能力也較佳，但仍不及資深放射科醫師。這顯示GPT-4.0在醫療報告處理上具有潛力。 PubMed DOI

Zero-Shot LLMs for Named Entity Recognition: Targeting Cardiac Function Indicators in German Clinical Texts.
針對德國臨床文本中的心臟功能指標的零樣本大型語言模型命名實體識別。 Stud Health Technol Inform 2024-09-05

您的研究顯示開源大型語言模型（LLMs）在醫療領域的潛力，特別是在德文臨床文本中提取心血管功能指標。透過分析497份心臟MRI報告，您成功提取14個指標，並達到95.4%的正確標註率和99.8%的命名實體識別準確率，顯示這些模型能有效處理醫療語言的複雜性。這項研究強調了開源LLMs在臨床環境中的應用潛力，並為未來在其他語言的醫療研究鋪路。 PubMed DOI

Can large language models be new supportive tools in coronary computed tomography angiography reporting?
大型語言模型能否成為冠狀動脈電腦斷層血管造影報告的新支援工具？ Clin Imaging 2024-09-05

這項研究評估了多種大型語言模型（LLMs）在冠狀動脈疾病（CAD）診斷中的表現，特別是根據CAD-RADS 2.0指引進行比較。結果顯示，ChatGPT 4o的準確率最高，達到100%，接著是ChatGPT 4和Claude 3 Opus，準確率為96.6%。其他模型的準確率也不錯，介於90%到93.3%之間。這些結果顯示LLMs在改善CAD的放射報告和病人照護方面的潛力，並強調進一步研究其視覺診斷能力的重要性。 PubMed DOI

Automated Transformation of Unstructured Cardiovascular Diagnostic Reports into Structured Datasets Using Sequentially Deployed Large Language Models.
使用順序部署的大型語言模型自動轉換非結構化心血管診斷報告為結構化數據集。 medRxiv 2024-10-17

這項研究針對從非結構化的心血管診斷報告中提取數據的挑戰，特別是經胸心臟超音波檢查（TTE）報告。研究人員開發了一個兩步驟的過程，利用Llama2 70b和Llama2 13b模型。首先，Llama2 70b根據3,000份報告生成各種格式的TTE報告；接著，Llama2 13b（HeartDx-LM）微調這些報告以提取臨床數據。結果顯示，HeartDx-LM在多個數據集上表現優異，成功自動化將非結構化報告轉為結構化數據，提升心血管護理並促進研究，並已公開供使用。 PubMed DOI

The use of large language models in detecting Chinese ultrasound report errors.
大型語言模型在檢測中文超聲報告錯誤中的應用。 NPJ Digit Med 2025-01-28

這項回顧性研究探討大型語言模型（LLMs）在提升中文超音波報告準確性上的效果。研究分析了2024年1月至4月期間三家醫院的400份報告，發現243個錯誤，並將其分為六類。研究評估了三個版本的GPT和Claude 3.5 Sonnet在零樣本和少樣本情境下的表現。結果顯示，Claude 3.5 Sonnet在零樣本設定中的錯誤檢測率最高，達52.3%。此外，LLMs處理報告的速度也明顯快於放射科醫生，顯示其在提升報告準確性方面的潛力。 PubMed DOI

ECG-LM: Understanding Electrocardiogram with a Large Language Model.
ECG-LM：利用大型語言模型理解心電圖。 Health Data Sci 2025-02-05

心電圖（ECG）是監測心臟健康的重要工具，但解讀需要專業知識。近期，我們開發了ECG-Language Model（ECG-LM），這是首個能同時處理自然語言和ECG信號的多模態大型語言模型。透過生成文本-ECG配對數據集，ECG-LM在心血管疾病的診斷、節律和形態檢測上表現優於現有方法，顯示出其在疾病預測和問題回答中的潛力。這項技術有望提升臨床診斷的準確性與效率。 PubMed DOI

Automated structured data extraction from intraoperative echocardiography reports using large language models.
使用大型語言模型自動化提取術中超聲心動圖報告的結構化數據。 Br J Anaesth 2025-03-04

這項研究探討了利用共識的大型語言模型（LLM）集成方法，從心臟超音波報告中提取結構化數據。分析了600份術中經食道超音波報告，重點在左心室射血分數、右心室收縮功能和三尖瓣返流。研究使用五個開源LLM，並創建四種投票策略的集成，評估其準確度和數據提取產量。結果顯示，全體一致的集成在共識準確度上表現最佳，但數據提取產量較低；相對多數的集成則在原始準確度和提取產量上表現較好，但共識準確度較低。整體而言，基於共識的LLM集成能有效提取心臟超音波報告中的數據。 PubMed DOI

Automated generation of echocardiography reports using artificial intelligence: a novel approach to streamlining cardiovascular diagnostics.
利用人工智慧自動生成心臟超音波報告：一種簡化心血管診斷的新方法。 Int J Cardiovasc Imaging 2025-03-30

這項研究評估了大型語言模型ChatGPT在生成心臟超音波報告及提供臨床建議的效果。研究分為虛構案例和臨床案例兩組，並將LLM的結果與經驗豐富的心臟科醫師進行比較。結果顯示，LLM的平均得分為6.86分，臨床案例的診斷準確性較高，且建議通常適當。LLM在85.7%的案例中生成可接受的報告，誤解率僅5.3%。整體而言，ChatGPT在臨床實踐中顯示出提升工作流程的潛力。 PubMed DOI

原始文章

站上相關主題文章列表