這項研究針對缺乏公開的腹部X光（AXR）數據集，探討壞死性小腸結腸炎（NEC）在兒科病例中的挑戰。研究開發了名為AXpert的自然語言處理（NLP）模型，使用兩種格式來分析AXR報告。結果顯示，AXpert的Gemma-7B模型在檢測NEC方面表現優異，F1分數達0.9，顯著超越基準BERT模型。這些模型能有效自動化診斷，減少手動標註需求，並在本地訓練，解決隱私問題，顯示出良好的應用前景。 PubMed DOI

這篇論文探討了一個智能代理的開發，利用大型語言模型（LLMs）來優化平行磁共振成像（pMRI）重建，特別是針對GRAPPA方法。傳統的pMRI重建需大量參數調整，過程繁瑣。雖然數據驅動的AI已改善重建質量，但知識驅動的AI方法尚未充分利用。 作者提出利用LLMs生成規劃領域定義語言（PDDL）文件，幫助指導GRAPPA重建，讓過程更高效，特別對非專家的MRI技術人員友好。實驗結果顯示，這種方法能有效提升影像質量，未來可能實現完全自動化的重建過程，減少人類干預。 PubMed DOI

我們開發了一個新系統，結合人工智慧虛擬代理和三種混合實境視覺化，提升超音波檢查的病人接受度。虛擬助手能與病人自然對話，提供即時解答，增強信任感。三種視覺化方式包括擴增實境（AR）、擴增虛擬環境（AV）和完全沉浸式虛擬實境（VR），讓病人能更舒適地參與檢查。研究結果顯示，病人的信任度和舒適度顯著提升，未來可進一步改善自主醫療體驗。 PubMed DOI

這項研究提出了一種新型的文本基礎超聲模擬控制系統，旨在簡化使用者體驗並縮短配置時間。透過大型語言模型（LLM）和地面人工智慧（AI）技術，系統將SimNDT的功能模組化，讓使用者能用自然語言下指令。報導指出，這項創新能將模擬設置時間縮短約75%。此外，結合自我檢查和多個LLM代理的協作，顯著降低了場景生成的錯誤率，從23.89%降至1.48%。整體而言，這種方法展示了AI在提升模擬系統效率和可靠性方面的潛力，特別適用於快速變化的數位雙胞胎系統。 PubMed DOI

這項研究用三種開源AI模型自動摘要病人影像檢查紀錄，經專業醫師評估，發現AI摘要內容準確、實用又好上手。這樣能幫醫師快速掌握重點，省下查閱時間，資訊品質也沒打折，對放射科工作流程很有幫助。 PubMed DOI

生成式AI能根據學到的知識，創造新穎且逼真的資料，對提升肌肉骨骼醫療影像品質、自動化紀錄、手術規劃和個人化溝通很有幫助。不過，目前臨床應用還有幻覺、偏誤、倫理和透明度等挑戰需克服。 PubMed DOI

大型語言模型像GPT-4和Gemini在乳房影像領域很有潛力，可協助報告撰寫、診斷標準化和整合臨床指引。未來多模態能力也有望提升腫瘤分類等表現。不過，目前仍有幻覺、偏見、知識落差和隱私等挑戰。現階段LLMs只能當輔助工具，無法取代醫師，導入臨床還需嚴謹訓練和監督。 PubMed DOI

這篇系統性回顧整理了2020到2025年間，AI數位分身在攝護腺癌病理學的應用進展，像是提升診斷、預測和個人化治療。文中也點出即時資料整合、可解釋性和臨床驗證等挑戰，並建議未來可結合多模態資料和大型語言模型，協助精準醫療發展。 PubMed DOI

這項研究發現，ChatGPT 4.0對經驗較少的放射師特別有幫助，能協助學習和減輕壓力，但對資深放射師來說，進階問題的回答還不夠清楚和精確。整體而言，ChatGPT適合用於放射師教育和臨床輔助，但還需要再優化才能完全滿足專家需求。 PubMed DOI

一個團隊開發了AI教練「Bill」，用GPT-4o模擬真實放射線技術情境，讓學生互動練習並即時獲得回饋。初步結果顯示，Bill能有效提升學習成效，也展現AI在醫療訓練上的潛力，未來有望擴展到其他醫學領域。 PubMed DOI