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

這項研究評估大型語言模型（LLMs）在提供前列腺癌放射治療病人教育的有效性，並納入臨床醫生和病人的反饋。研究中針對六個常見問題，評估了ChatGPT-4、Gemini、Copilot和Claude的回答。結果顯示，雖然所有模型的回答被認為相關且正確，但可讀性較差。病人對ChatGPT-4的評價較高，認為其回答易懂且有信心。整體而言，LLMs在病人教育上有潛力，但準確性和可讀性仍需改進，未來需進一步研究以提升其效益。 PubMed DOI

多學科團隊（MDTs）在癌症護理中非常重要，但需要專家投入大量時間，導致醫療成本上升。最近大型語言模型（LLMs）的進展，可能提升臨床決策的效率，並降低MDT的相關成本。 一項針對171名新診斷前列腺癌患者的研究比較了兩個LLMs（chatGPT-4和Claude-3-Opus）與MDT會議的建議。結果顯示，LLMs的遵循率高達93%。不一致的情況主要因為臨床資訊不足。研究顯示，LLMs能生成準確的治療建議，未來有潛力簡化MDT流程，讓專家專注於更複雜的案例，並降低醫療成本。 PubMed DOI

這項研究探討使用ChatGPT來製作以病人為中心的前列腺活檢病理報告，旨在幫助病人理解複雜的醫學術語。研究人員根據國家綜合癌症網絡的指導方針，合成了35份報告並進行評估。結果顯示，AI生成的報告在醫生和病理學家的評價中大多準確且完整，雖然需要一些修改，但修改速度比撰寫原創報告快。這顯示ChatGPT有助於改善醫療提供者與病人之間的溝通，值得進一步研究。 PubMed DOI

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

這項研究評估了OpenAI的ChatGPT和Microsoft的Copilot在根據全國綜合癌症網絡針對胰腺導管腺癌指導方針生成回應的準確性。研究發現，ChatGPT的準確性較Copilot優越，完全正確的回應分別為52%和33%。此外，ChatGPT的回應也較為準確，評分為3.33對3.02。兩者的回應普遍冗長，平均字數分別為270字和32字。研究結論指出，雖然這些模型在臨床決策支持上有潛力，但仍需改進以確保準確性和簡潔性。 PubMed DOI

這項研究評估大型語言模型（LLMs）在根據病患醫療紀錄生成早期乳腺癌治療選項的準確性。使用2024年初的多學科團隊會議紀錄，測試了三個AI模型：Claude3-Opus、GPT4-Turbo和LLaMa3-70B。結果顯示，Claude3-Opus準確率86.6%，GPT4-Turbo為85.7%，LLaMa3-70B則為75.0%。兩者在輔助內分泌和靶向治療上表現良好，但在輔助放射治療上則有高估的情況。研究建議需進一步探討這些模型在臨床上的實際應用。 PubMed DOI

這項研究發現，ChatGPT-4在大腸直腸癌治療建議上，和多專科團隊（MDT）有七到八成以上的一致性。年紀大或病情複雜的病人，建議較容易不一樣。整體來說，ChatGPT有機會成為臨床決策的輔助工具，和專業團隊的建議相當接近。 PubMed DOI

一個全新AI風險評分系統AIRIS，結合大型語言模型和RAG技術，能更精確預測皮膚鱗狀細胞癌患者的不良預後。和現有標準（BWH、AJCC8）相比，AIRIS在預測復發、轉移和死亡上表現更好，風險分組也更一致，顯示AI有助提升癌症預後工具。 PubMed DOI