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

這項研究探討大型語言模型（LLMs）生成的簡化放射學報告對腫瘤科病人的影響，分為兩個階段進行。第一階段測試五種LLMs，結果顯示Claude Opus-Prompt 3表現稍佳。第二階段中，100名病人分為兩組，一組收到原始報告，另一組則收到簡化版本。調查結果顯示，簡化報告的病人對疾病理解更好，對醫療狀況感到更有信心。雖然少數報告需修正，但顯示LLMs能有效簡化醫療資訊，仍需人類監督。整體而言，研究建議LLMs可增強病人對健康資訊的理解。 PubMed DOI

這項研究探討人類與大型語言模型（LLMs）合作對腦部MRI掃描診斷準確性和效率的影響。研究中，六名放射科住院醫師評估40個挑戰性MRI案例，分別使用傳統網路搜尋和LLM輔助搜尋。結果顯示，LLM輔助的診斷準確率為61.4%，高於傳統的46.5%，且差異具統計意義。不過，解讀時間和信心水平未見變化。研究指出的挑戰包括案例描述不準確、LLM的幻覺現象及上下文不足。雖然LLM能提升診斷準確性，但仍需進一步研究以優化人類與LLM的合作。 PubMed DOI

這項研究評估了四個人工智慧模型在生成脊椎手術病患教育材料的有效性，主要針對腰椎椎間盤切除術、脊椎融合術和減壓椎板切除術。結果顯示，DeepSeek-R1 的可讀性最佳，Flesch-Kincaid 分數介於 7.2 到 9.0 之間，而 ChatGPT-o3 的可讀性最低，超過 10.4。所有模型的資訊品質均低於 60，顯示出「公平」的品質，主要因缺乏參考資料。研究強調改善引用實踐及個性化 AI 生成健康資訊的必要性，未來應整合互動元素和病患反饋，以提升準確性和可及性。 PubMed DOI

本研究旨在開發一個標準化流程，利用大型語言模型（LLM）從腰椎MRI報告中提取數據，並評估其與專業評分的一致性。研究分析了230名慢性下背痛患者的數據，結果顯示模型在數據提取上表現優異，平均F1分數達0.96，但與專業評分的一致性僅為中等（kappa 0.424）。特別是在側凹狹窄的報告中，低報現象明顯，顯示出需要更客觀的數據提取方法。 PubMed DOI

這項研究探討人工智慧（AI）在簡化骨科創傷病患教育材料的有效性。分析了35篇來自第1級創傷中心的文章，並使用Python程式評估其可讀性。經過四次GPT AI模型改寫後，所有模型成功降低了文章的閱讀年級水平，特別是GPT-4o-Mini和GPT-4o表現最佳，而GPT-3.5-Turbo效果較差。成本分析顯示，GPT-4o每篇文章費用為0.61美元，雖然較貴，但準確性高。研究結論認為，AI能有效簡化病患教育材料，且保持準確性。 PubMed DOI

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

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

多數骨科衛教資料太難懂，超過國小六年級程度，讓病患難以理解。這項研究用ChatGPT、Gemini和CoPilot三種AI，簡化美國骨科醫學會網站上的脊椎文章。結果發現，AI能大幅提升文章易讀性，內容正確性也沒變。ChatGPT最能提升易讀性，Gemini則擅長補充免責聲明。這顯示AI有助於讓醫療資訊更親民，促進病患教育與健康平等。 PubMed DOI

這項研究發現，用ChatGPT簡化放射科報告後，病人更容易看懂內容，覺得資訊更清楚、語氣更親切，也更有信心和醫師討論、參與決策。AI工具有助於讓醫療資訊更貼近病人需求，但還需要更多研究來確保所有人都適用且正確。 PubMed DOI