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

Mammo-50 試驗針對50歲以上、曾接受乳癌治療且手術後三年內無復發的女性，評估較不頻繁的乳房攝影檢查與每年檢查的效果差異。研究在英國114家NHS醫院進行，共有5,235名參與者，平均追蹤5.7年。結果顯示，年檢組的5年乳癌特異性生存率為98.1%，而較不頻繁組為98.3%，兩者生存率相近。結論指出，對於這類女性，較不頻繁的檢查是可行的選擇，建議臨床實踐中考慮。 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

這項研究比較了高解析度微超聲引導活檢與MRI融合引導活檢在未接受過活檢的男性中診斷前列腺癌的效果。試驗於2021年12月至2024年9月在20個國家的802名男性中進行，結果顯示微超聲引導活檢檢測到癌症的比例為47.1%，不劣於MRI融合引導的42.6%。研究結論認為，微超聲引導活檢是檢測前列腺癌的可行替代方案，並已在ClinicalTrials.gov註冊，識別碼為NCT05220501。 PubMed DOI

乳腺癌是全球女性常見的癌症，而MRI是活檢前重要的非侵入性診斷工具。本研究提出一種新方法，利用BI-RADS系統對乳腺MRI報告進行分類，透過大型語言模型將自由文本轉為結構化格式，並解決缺失的類別資訊。為保護病患資料，使用本地部署的Qwen-Chat模型，並透過專業提示增強模型適應性。結果顯示，這種新方法在各項指標上優於現有技術，並在不同醫院的測試中證實其穩健性。 PubMed DOI

乳腺癌是女性常見的癌症，早期準確診斷對提高存活率至關重要，但現有影像學方法常無法達到預期效果。大型語言模型（LLMs）利用先進技術，能分析大量醫療數據，幫助早期診斷並提供個性化治療策略。不過，LLMs在乳腺癌管理中仍面臨數據敏感性、算法透明度及倫理等挑戰。研究顯示，LLMs能顯著提升診斷效率、臨床信任度及患者教育質量，顯示其在乳腺癌精準醫療中的潛力。 PubMed DOI

放射組學在臨床決策中越來越重要，尤其是乳腺腫瘤的診斷與治療。近期大型語言模型（LLMs）的進展有助於提升放射組學的分析。本研究透過整合LLM的臨床知識，改善乳腺攝影中良性與惡性腫瘤的分類。我們提取了放射組學特徵，並利用提示工程創建輸入序列，經過微調的LLaMA模型處理後，於VinDr-Mammo和INbreast數據集上表現優於傳統方法，準確率分別達到0.671和0.839。這顯示LLMs在放射組學中的潛力，特別是在乳腺攝影分析上。 PubMed DOI

這項研究發現，基於ChatGPT的工具在乳房X光片找腫塊的表現還可以，但在判斷乳房密度、腫瘤大小、位置、微鈣化和淋巴結侵犯等細節時，準確度不高。跟放射科醫師的BI-RADS評分一致性也只有普通到中等。總結來說，目前這類AI還不適合用在乳癌篩檢的全面影像分析。 PubMed DOI

數位乳房斷層攝影（DBT）能提供高解析度3D影像，有助於乳癌早期偵測，但也有高密度乳房影像、偽陽性率高和判讀時間長等問題。深度學習有機會提升DBT的診斷準確率和效率。這篇綜述整理了深度學習在DBT的應用現況、挑戰及未來發展方向，像是大型語言模型、領域轉移和資料增強等。 PubMed DOI

這項回溯性研究發現，ChatGPT-4在解讀乳房超音波報告並用BI-RADS分類結節時，表現比資淺放射科醫師更好，和資深醫師差不多。它預測惡性腫瘤的準確度高（AUC 0.82，準確率80.63%，敏感度90.56%，特異度73.51%）。若把ChatGPT-4納入影像判讀流程，能進一步提升醫師診斷準確率，減少不同醫師間的判讀差異。 PubMed DOI