這項研究顯示生成式人工智慧，特別是OpenAI的GPT-4 Turbo API，在提升放射學訓練方面的潛力。研究發現，這個AI模型能檢測到的差異明顯多於專業放射科醫師，顯示其在傳統審查中可能被忽略的改進空間。雖然AI在差異檢測上表現優異，但在評分一致性上仍有改進空間。生成的教學要點在85%的案例中被認為適當，顯示其教育價值。未來研究可著重於提高模型準確性及評分者一致性，並探討AI反饋對實習生的長期影響。 PubMed DOI

乳腺癌仍是重要的健康議題，早期檢測能提高存活率。磁共振成像（MRI）因其對侵襲性乳腺癌的高敏感性，成為關鍵工具。電腦輔助檢測（CADe）系統能識別潛在病變，幫助醫生專注於重要區域，並與電腦輔助診斷（CADx）系統整合。 本篇綜述探討CADe系統在乳腺MRI中的現狀，涵蓋傳統方法及機器學習技術的演變。儘管有進展，CADe系統仍面臨假陽性、假陰性率及技術挑戰等問題。未來將專注於開發更穩健的算法，提升臨床應用的可行性。 PubMed DOI

這篇文章全面介紹了大型語言模型（LLMs）的進展及其在放射學的潛在應用。文獻回顧了醫學領域中LLMs的研究，特別關注其在臨床環境中的相關性與限制。文章強調了幾項重要研究，並指出放射科醫師參與LLM技術的重要性。了解各種應用及病人安全、倫理和數據保護的挑戰，對於負責任地將LLMs整合進臨床實踐至關重要。 PubMed DOI

人工智慧（AI）正逐漸進入臨床實踐，特別是在乳腺影像檢查如乳房攝影中。雖然AI能透過篩選檢查結果來簡化流程，但許多使用者仍不清楚其具體好處。目前，AI在乳房攝影的診斷品質已達到與放射科醫師相當的水平，但在斷層合成影像的應用較少。大部分AI技術仍在開發中，只有乳房攝影的第二意見應用較成熟。建議使用者在實施前，仔細評估這些AI應用的成熟度及實際效益。 PubMed DOI

人工智慧（AI）正逐漸融入胸部放射學，展現出在解讀胸部X光片、篩檢肺癌及肺栓塞分流等方面的有效性。未來還有許多應用待探索，如過濾正常X光片和監控讀片錯誤。不過，成功實施AI需要針對性能評估、IT整合及持續監控制定策略。挑戰包括對放射科醫師的教育、管理風險及數據獲取差異。此外，下一代大型語言模型（LLMs）有潛力改變胸部放射學，但仍需進一步研究其可行性。 PubMed DOI

這項研究評估人工智慧（AI）是否能幫助病人理解脊椎MRI報告，因為這些報告常用複雜的醫學術語。研究在2024年進行，參與者為102名即將接受脊椎MRI的成人病人。結果顯示，病人對AI解讀的理解度、清晰度及醫療參與度均顯著高於原始報告，且AI解讀的準確性也相當不錯。雖然AI解讀提升了病人的理解與滿意度，但仍有部分解讀不準確，顯示未來仍需持續研究。 PubMed DOI

AI 在急診醫學應用越來越多，像是影像判讀、病患分級等，準確率約有 85–90%。雖然在影像判讀和醫學教育很有潛力，但要真正落實到臨床還有不少挑戰，還需要更多大型研究來驗證。 PubMed DOI

AI 正在加速中風治療流程，提升篩選病人的精準度，也讓更多人能及時接受進階治療。不過，目前還有資料偏誤、透明度不足和驗證有限等問題待解決。未來需加強資料共享、發展可解釋系統、完善法規並持續臨床試驗，才能確保病人獲得安全又公平的治療。 PubMed DOI

這篇回顧整理了102篇AI在研究所醫學教育的應用，主要來自北美，聚焦放射科、外科和急診。AI被用於評量、招募和臨床決策，大家對AI的看法也越來越正面。不過，目前研究還有偏誤和異質性高等問題，未來還需要更多研究來補足不足。 PubMed DOI

這篇研究系統性回顧了自動醫學放射報告生成的深度學習方法，分析78篇重要文獻，涵蓋資料集、模型、評估指標等，並整理從傳統到大型語言模型的發展趨勢。文中也提出未來研究方向，期望推動AI放射報告生成的標準化與進步。 PubMed DOI