這項研究比較了兩個人工智慧模型，ChatGPT-4.0 和 Llama 2，在甲狀腺癌診斷與治療的臨床決策輔助上。研究者根據NCCN指引，從58頁中提出167個問題，並標準化詢問這兩個模型。結果顯示，兩者在整體得分和準確性上並無顯著差異，顯示出有限但相似的能力來協助甲狀腺癌的管理。 PubMed DOI

這項研究探討了大型語言模型（LLMs），特別是ChatGPT-4o和Claude 3-Opus，在超音波影像中分類甲狀腺結節的表現。研究涵蓋112位患者的116個結節，結果顯示ChatGPT-4o的Kappa值為0.116，Claude 3-Opus更低，僅0.034，而初級放射科醫師的Kappa值為0.450，顯示中等協議。ROC曲線方面，ChatGPT-4o的AUC為57.0%，Claude 3-Opus為52.0%，醫師則為72.4%。兩個LLM的不必要活檢率也高，分別為41.4%和43.1%，醫師僅12.1%。這顯示LLMs在醫學影像的診斷準確性仍有限，需謹慎使用。 PubMed DOI

這項研究探討如何利用自然語言處理（NLP）和變壓器模型，從甲狀腺結節的超音波報告中分類 ACR TI-RADS 類別。研究分析了16,847份報告，並開發自動化系統來分配 TI-RADS 類別，隨後由放射科醫師進行審查。結果顯示，納入特定結節特徵的模型表現更佳，BERTIN 模型達到最高準確率0.8426。此外，某些特徵如點狀回聲焦點，與較高的 TI-RADS 分數有關，顯示詳細描述對預測惡性風險的重要性。 PubMed DOI

這項研究比較了三種人工智慧語言模型—GPT-3.5、GPT-4o 和 Gemini—在提供甲狀腺眼病（TED）患者資訊的有效性。結果顯示，GPT-3.5的表現最佳，正確性得分5.75，可靠性得分5.68，特別在治療和手術選項上表現突出。GPT-4o和Gemini的得分較低，分別為5.32和5.10。研究認為，GPT-3.5是提供TED資訊的最佳選擇，建議臨床醫師在患者教育中使用。 PubMed DOI

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

這項研究評估了大型語言模型（LLMs）如ChatGPT、Gemini和Claude在甲狀腺結節癌症風險評估中的有效性，並與美國甲狀腺協會（ATA）及全國綜合癌症網絡（NCCN）的指導方針進行比較。322名放射科醫生參與評估，結果顯示Claude得分最高，其次是ChatGPT和Gemini。雖然不當回應比率相似，但ChatGPT在準確性上表現最佳。質性反饋指出，ChatGPT清晰且結構良好，Gemini則可及性高但內容淺薄，Claude組織性佳但偶爾偏離主題。總體而言，這些模型在輔助風險評估上有潛力，但仍需臨床監督以確保可靠性。 PubMed DOI

本研究評估了ChatGPT 4.0根據ACR-TI-RADS 2017標準解讀甲狀腺超音波報告的能力，並與醫療專家及一名缺乏經驗的使用者進行比較。結果顯示，ChatGPT在回聲焦點的評估上與專家一致，但在其他標準上則有不一致。缺乏經驗的使用者表現優於ChatGPT，顯示傳統醫學訓練的重要性。結論指出，ChatGPT可作為輔助診斷工具，但無法取代人類專業知識，並建議改善AI算法以增強其臨床實用性。 PubMed DOI

這項研究探討了人工智慧，特別是ChatGPT-4TM，在提升甲狀腺多學科團隊（MDT）結果準確性方面的潛力。研究涵蓋30個甲狀腺病例，結果顯示MDT的判斷與英國甲狀腺協會的指導方針完全一致，達到100%的符合率。然而，AI生成的結果與MDT相比，只有67%的高度一致性，13%的病例則完全不一致。這顯示AI雖能簡化決策過程，但在缺乏臨床醫師驗證的情況下，仍無法完全依賴。 PubMed DOI

這項研究評估了GPT-4在超音波影像識別甲狀腺結節的表現，並與住院醫師進行比較。分析了1,145張影像，結果顯示GPT-4對惡性結節的正確識別率為58.07%，良性結節為66.86%；而住院醫師則分別為73.89%和74.66%。在統計上，GPT-4的準確性顯著低於醫師，尤其是對小於1公分的結節。總體來看，GPT-4在甲狀腺結節分類上有潛力，但仍需改進。 PubMed DOI

這項研究評估了GPT-4和GPT-4o在根據TI-RADS指引識別甲狀腺結節特徵的表現，使用了202張超音波影像。結果顯示，GPT-4在大多數類別中具高特異性但低敏感性，對低風險結節的敏感性僅25%，而高風險結節的敏感性為75%。雖然在識別平滑邊緣方面表現較好，但在其他特徵上則不理想。整體來看，這些模型在臨床應用前仍需改進和驗證。 PubMed DOI