Application of NotebookLM, a large language model with retrieval-augmented generation, for lung cancer staging.
NotebookLM 在肺癌分期中的應用：一種具有檢索增強生成的大型語言模型。 Jpn J Radiol 2024-11-25

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

EXACT-Net: Framework for EHR-Guided Lung Tumor Auto-Segmentation for Non-Small Cell Lung Cancer Radiotherapy.
EXACT-Net：用於非小細胞肺癌放射治療的電子健康紀錄引導肺腫瘤自動分割的框架。 Cancers (Basel) 2024-12-17

肺癌，特別是非小細胞肺癌（NSCLC），對健康影響深遠，超過60%的患者需接受放射治療。及時治療能提高生存率，因此準確的腫瘤分割至關重要。傳統手動分割耗時且可能延誤治療。雖然已有深度學習模型，但假陽性率高。為解決此問題，我們開發了EXACT-Net，這是一個自動分割模型，結合電子健康紀錄（EHR）和預訓練的大型語言模型（LLM），有效減少假陽性，專注於真陽性結節。根據十名NSCLC患者的CT掃描數據，我們的方法成功檢測結節增長250%，顯示整合視覺與語言信息能顯著提升模型性能，為醫學影像的多模態AI應用開創新局。 PubMed DOI

Multimodal large language models address clinical queries in laryngeal cancer surgery: a comparative evaluation of image interpretation across different models.
多模態大型語言模型在喉癌手術中解決臨床問題：不同模型之間影像解讀的比較評估。 Int J Surg 2025-01-27

這項研究探討六種多模態大型語言模型（MLLMs）在解讀喉癌手術影像的有效性。研究分析了50位病人的169張影像，提出1084個臨床問題來評估模型表現，並由兩位醫師獨立評估。結果顯示，Claude 3.5 Sonnet的準確率最高，達79.43%。不同影像類型及商業模型與開源模型之間的表現差異明顯，最佳商業模型的表現比其他模型高出19個百分點。研究指出，雖然MLLMs在手術決策支持上有潛力，但仍需針對特定需求進行開發，並整合進臨床流程。未來應著重於利用多中心數據集來創建專門針對喉癌的MLLMs。 PubMed DOI

Artificial intelligence for image recognition in diagnosing oral and oropharyngeal cancer and leukoplakia.
人工智慧在口腔及咽喉癌和白斑診斷中的影像識別應用。 Sci Rep 2025-01-29

這項研究評估了具影像識別功能的 ChatGPT 4.0 在診斷鱗狀細胞癌 (SCC) 和白斑病的能力，分析了 45 張影像。結果顯示，ChatGPT 4.0 能準確識別白斑病，但對 SCC 的診斷能力有限，需結合臨床病史才能提高準確性。僅依臨床病史時，白斑病和部分 SCC 的誤分類情況明顯。整體而言，雖然在白斑病檢測上有潛力，但對於口腔及咽喉部的 SCC 診斷仍不可靠，未來技術進步可能改善其臨床應用。 PubMed DOI

Performance Evaluation of Large Language Models in Cervical Cancer Management Based on a Standardized Questionnaire: Comparative Study.
基於標準化問卷的子宮頸癌管理中大型語言模型的性能評估：比較研究。 J Med Internet Res 2025-02-05

子宮頸癌是全球健康的重要議題，尤其在資源有限的地區。這項研究探討大型語言模型（LLMs）在子宮頸癌管理中的潛力，評估了九個模型的準確性和可解釋性。結果顯示，ChatGPT-4.0 Turbo表現最佳，得分為2.67，顯示其在提供可靠回應方面的有效性。研究還利用LIME增強模型的可解釋性，對醫療專業人員建立信任至關重要。雖然專有模型表現良好，但醫學專用模型的表現未如預期，未來仍需進一步研究以了解LLM在醫療中的應用。 PubMed DOI

A novel generative model for brain tumor detection using magnetic resonance imaging.
一種新穎的生成模型用於利用磁共振成像檢測腦腫瘤。 Comput Med Imaging Graph 2025-02-22

這項研究提出了一種創新的方法，利用深度學習技術（特別是Yolov8框架）來早期檢測和分割腦腫瘤，達到超過98%的準確率。透過微調和智能計算單元，腫瘤邊緣的分割精度超過99%，且分割時間少於一秒，表現優於現有方法。此外，研究還結合多種分類器和數據融合技術，提升腫瘤分類及預測患者壽命的能力。整體而言，這項研究為醫學影像領域提供了重要貢獻，改善了腦腫瘤的檢測與分類。 PubMed DOI

Diagnosis assistant for liver cancer utilizing a large language model with three types of knowledge.
利用三種知識類型的大型語言模型進行肝癌診斷輔助。 Phys Med Biol 2025-04-09

本研究針對肝癌診斷提出一個結合大型與小型模型的輔助工具，旨在提升基層醫療醫生的診斷能力。透過開發更準確的肝腫瘤與血管分割模型，並整合患者醫療紀錄，這個框架能有效改善影像分析的準確性。結果顯示，小型模型在分割表現上有所提升，而大型模型則在醫生評估中獲得更高分數。此研究不僅優化了診斷過程，還增強了模型的可靠性與可解釋性，減少了錯誤推理的情況。 PubMed DOI

Large language models for extracting histopathologic diagnoses of colorectal cancer and dysplasia from electronic health records.
運用大型語言模型從電子健康紀錄中擷取大腸直腸癌與異生症的組織病理診斷 medRxiv 2025-05-02

這項研究發現，開源大型語言模型（LLMs）能準確從電子病歷的病理報告中，萃取癌症和異型增生等重要診斷，連複雜案例也適用。只用簡單「是/否」提示，在美國退伍軍人健康管理局資料庫中，診斷準確率超過93%。這方法不但省資源、設定簡單，還能大規模應用，對臨床和研究都很有幫助。 PubMed DOI

PathSAM: Enhancing Oral Cancer Detection with Advanced Segmentation and Explainability.
PathSAM：以先進分割與可解釋性提升口腔癌偵測 AMIA Annu Symp Proc 2025-05-26

PathSAM 把 Segment Anything Model（SAM）用在口腔癌病理影像上，能有效處理影像複雜和變異大的問題。在 ORCA 和 OCDC 兩大資料集上，PathSAM 的準確度和細緻度都勝過傳統方法。結合大型語言模型後，分割結果更清楚易懂，不只協助醫師判讀，也讓醫病溝通更順利，是很有潛力的醫療診斷工具。 PubMed

Evaluating generative AI models for explainable pathological feature extraction in lung adenocarcinoma grading assessment and prognostic model construction.
用於肺腺癌分級評估與預後模型建構之可解釋性病理特徵擷取的生成式AI模型評估 Int J Surg 2025-05-28

這項研究比較三款主流視覺生成式AI（GPT-4o、Claude-3.5-Sonnet、Gemini-1.5-Pro）在辨識與分級肺腺癌組織學型態的表現。結果發現，Claude-3.5-Sonnet的分級準確率最高，穩定性也不錯，且結合臨床資料後，預後預測效果佳。整體來說，生成式AI，尤其是Claude-3.5-Sonnet，對肺腺癌病理評估和預後有很大幫助。 PubMed DOI

原始文章

站上相關主題文章列表