LLMs在醫學診斷上有潛力，尤其在皮膚科。SkinGPT-4結合視覺轉換器和LLM，訓練過大量數據後，能準確診斷皮膚問題。已通過真實案例驗證，可提供互動治療建議。 PubMed DOI

最近在人工智慧（AI）和大型語言模型（LLMs）方面的進展，特別是在皮膚科，顯示出良好的潛力。本研究比較了Claude 3 Opus和ChatGPT（GPT-4）在分析皮膚鏡影像以檢測黑色素瘤的表現。結果顯示，Claude 3 Opus在惡性區分上表現較佳，敏感度和特異度均高於ChatGPT。雖然兩者在診斷上有其潛力，但仍存在錯誤，強調了AI與臨床醫生合作的重要性，以開發更可靠的診斷工具。 PubMed DOI

這項研究探討了多模態大型語言模型（LLMs），特別是GPT-4o和Claude Sonnet 3.5，如何結合文本與視覺資訊進行醫療診斷。研究在120個臨床案例中進行測試，結果顯示在只有文本的情況下，GPT-4o的準確率為70.8%，遠超醫生的39.5%。當加入圖片時，所有參與者的表現都有提升，尤其是醫生的準確率增幅最明顯。GPT-4o在有圖片的情況下達到84.5%，而醫生則為78.8%。這顯示LLMs在視覺數據處理上仍需加強，以達到人類醫生的表現。 PubMed DOI

這項研究探討大型語言模型（LLMs），如ChatGPT和Microsoft Bing Chat，在皮膚科、性病學和麻風問題上的回答效果。研究比較了這些AI模型與12位研究所學生的準確性，並評估了人工幻覺的情況。 研究於2023年8月進行，包含60個問題。結果顯示，Bing Chat的表現最佳，平均正確率為78.2%，ChatGPT為59.8%，人類受訪者則為43%。Bing Chat在簡單和中等難度問題上表現更佳，而ChatGPT在較難問題上較強。研究指出，儘管LLMs表現優於人類，但在某些領域準確性仍不足，需制定規範以防止濫用。 PubMed DOI

這項研究評估了多模態大型語言模型（LLMs）在識別皮膚疾病的應用，並檢視性別和年齡的偏見。研究中使用了ChatGPT-4和LLaVA-1.6，結果顯示它們的準確率和F1分數超過了多個深度學習模型，但仍低於最佳的視覺變壓器模型。值得注意的是，ChatGPT-4和LLaVA-1.6在性別和年齡方面沒有偏見，顯示出在皮膚科應用中的潛力。未來需進一步研究以確保這些模型在醫療中的可靠性與公平性。 PubMed DOI

這篇論文針對大型語言模型在皮膚科的應用進行全面評估，探討如何整合各種病人數據，如人口統計、臨床影像、醫療訪談和基因資訊。論文強調這些模型能提升診斷準確性、治療建議及病人教育。透過回顧現有研究，旨在識別主要挑戰並探索未來機會，最終目標是改善病人健康結果及與醫療提供者的互動。 PubMed DOI

這項研究發現，GPT-4V在診斷皮膚病時，單用文字的準確率很高（89%），只看圖片就明顯下降（54%），圖片加文字也沒更好。治療建議方面，GPT-4V表現不錯但還沒達到專家水準，圖片加文字時最好。整體來說，GPT-4V適合當輔助工具，尤其擅長處理文字，但圖片判讀和多模態整合還需加強。 PubMed DOI

這項研究發現，GPT-4.o 在診斷角膜疾病的準確率最高（80%），但還是比不上人類角膜專科醫師（92.5%）。雖然 GPT-4.o 等大型語言模型有潛力，但在複雜病例上表現不穩定，目前只能當作輔助工具，臨床決策還是得靠專家判斷。 PubMed DOI

這項研究發現，雖然像Gemini 1.5和GPT-4o這類具電腦視覺功能的大型語言模型表現不錯，但在診斷口腔扁平苔癬時，整體表現還是比傳統CNN差。目前CNN仍是臨床OLP影像診斷的首選，LLMs還不適合直接應用於臨床。 PubMed DOI

這項研究比較五款主流大型語言模型解讀胸部CT報告的能力，發現GPT-4表現最佳，尤其在選擇題上最準確。微調後的GPT-3.5-Turbo也有明顯進步。整體來說，選擇題比開放式問答更容易答對。不同疾病和器官系統的結果有差異。結果顯示，優化後的AI模型有助於提升胸部CT解讀，對外科手術規劃很有幫助。 PubMed DOI