這項研究探討了使用大型語言模型（LLMs）來進行醫學影像解讀，尤其是在診斷甲狀腺結節方面。評估了三種LLMs的診斷準確性，其中ChatGPT 4.0表現最佳。將LLMs與圖像轉文字方法結合，有望提高醫學影像的診斷準確性。 PubMed DOI

這項研究探討如何利用自然語言處理（NLP）和生成語言模型（GLMs）從肺癌患者的病理報告中提取關鍵資訊。研究目的是評估這些模型在提取病理階段數據的有效性，並考慮在資源有限的情況下使用較小型GLMs的可行性。研究團隊從首爾國立大學醫院收集報告，確定42個關鍵詞進行腫瘤-淋巴結（TN）分類，並與臨床專家建立黃金標準。經過訓練，Deductive Mistral-7B模型在資訊提取上表現最佳，準確率達92.24%，TN分類準確率為0.9876，顯示針對性訓練能提升模型性能，對臨床決策有潛在幫助。 PubMed DOI

這項研究探討了使用GPT-3.5-turbo模型來自動分類胸部CT報告中的肺癌TNM分期，重點在英語和日語報告。研究顯示，英語報告中使用完整TNM定義能達到最高準確性，並分析了T、N、M因素的具體準確性。提供定義顯著提升了每個因素的準確性，但日語報告在N和M分類的準確性較低。這些結果顯示多語言模型在放射學自動化TNM分類的潛力，且即使不額外訓練，提供定義也能改善表現。 PubMed DOI

這項研究評估了NotebookLM這款檢索增強生成大型語言模型（RAG-LLM）在肺癌分期中的有效性。透過整合日本肺癌分期指引的可靠外部知識，NotebookLM在100個虛構案例中達到86%的診斷準確率，表現優於金標準的GPT-4 Omni，後者在提供外部知識時準確率僅39%。NotebookLM在定位參考資料方面也表現出色，準確率高達95%。研究顯示，NotebookLM在臨床影像診斷中具備更高的可靠性與實用性，特別是在放射學領域。 PubMed DOI

這項研究探討微調大型語言模型（LLMs）在自動化肺癌病理TN分期分類的應用，旨在克服傳統自然語言處理方法的缺點。研究比較了六個開源LLM，使用3,216份去識別化的肺癌外科病理報告進行評估。結果顯示，Orca2_13b模型表現最佳，分類準確度達0.934，生成理由的語義匹配率為0.864。這項研究顯示，生成式語言模型能顯著提升癌症分期的自動化，對臨床實踐和腫瘤數據管理有潛在好處。 PubMed DOI

這項研究評估了四個大型語言模型（LLMs）在前列腺癌治療相關的資訊檢索和風險評估任務中的表現，特別針對第四期患者。研究使用350份模擬報告，並針對三個風險評估任務和七個資訊檢索任務進行評估。結果顯示，所有模型在資訊檢索任務中表現良好，但在風險評估上差異明顯，ChatGPT-4-turbo表現最佳。儘管結果令人鼓舞，研究仍提醒可能的誤解會影響臨床決策，並呼籲進一步研究以驗證結果的普遍性。 PubMed DOI

從自由文本醫療紀錄中提取結構化數據，特別是病理報告，面臨不少挑戰。傳統方法因醫療語言複雜而困難重重。這項研究開發了一個端到端的LLM管道，能有效提取病理報告中的診斷、解剖部位等元素。透過人機協作，我們將重大錯誤率降至0.99%。在3520份報告中，識別腎腫瘤亞型的F1分數達0.99，顯示LLM提取管道在良好指示下可達接近專家準確性，並可應用於其他臨床信息提取任務。 PubMed DOI

這項研究評估了大型語言模型（LLMs）如ChatGPT、Gemini和Claude在甲狀腺結節癌症風險評估中的有效性，並與美國甲狀腺協會（ATA）及全國綜合癌症網絡（NCCN）的指導方針進行比較。322名放射科醫生參與評估，結果顯示Claude得分最高，其次是ChatGPT和Gemini。雖然不當回應比率相似，但ChatGPT在準確性上表現最佳。質性反饋指出，ChatGPT清晰且結構良好，Gemini則可及性高但內容淺薄，Claude組織性佳但偶爾偏離主題。總體而言，這些模型在輔助風險評估上有潛力，但仍需臨床監督以確保可靠性。 PubMed DOI

這項研究評估了四種大型語言模型（LLMs）在使用日本FDG-PET報告中的Lugano分類來分類惡性淋巴瘤階段的效果。研究中，GPT-4o的準確率最高，達75%，顯示出顯著一致性。其他模型如Claude 3.5 Sonnet、Gemma 2 27B和Llama 3 70B的準確率分別為61.3%、58.8%和57.5%。整體來看，GPT-4o在解讀臨床文本方面表現最佳，顯示出LLMs在標準化放射學數據的潛力，雖然即時臨床應用仍有限。 PubMed DOI

這項研究探討使用本地部署的大型語言模型（LLM）自動回答醫療問題，特別針對甲狀腺癌的外科病理報告。研究比較了LLM與人類審閱者在提取關鍵資訊的表現。結果顯示，人類審閱者的一致率高達99%，而LLM的平均一致率為89%。在效率方面，LLM回答問題的時間約19.56分鐘，遠低於審閱者的170.7分鐘和115分鐘。研究顯示LLM能有效協助醫療問題回答，並有潛力進一步改善數據提取能力。 PubMed DOI