子宮頸癌是全球健康的重要議題，尤其在資源有限的地區。這項研究探討大型語言模型（LLMs）在子宮頸癌管理中的潛力，評估了九個模型的準確性和可解釋性。結果顯示，ChatGPT-4.0 Turbo表現最佳，得分為2.67，顯示其在提供可靠回應方面的有效性。研究還利用LIME增強模型的可解釋性，對醫療專業人員建立信任至關重要。雖然專有模型表現良好，但醫學專用模型的表現未如預期，未來仍需進一步研究以了解LLM在醫療中的應用。 PubMed DOI

數位化在細胞病理學中迅速發展，能顯著提升診斷準確性與運營效率。本研究分析了21篇相關綜述，探討數位化的機會與挑戰。結果顯示，人工智慧（AI）的整合對提高診斷精度及優化流程至關重要，並且新興技術如大型語言模型和聊天機器人將提供即時協助。研究強調建立標準化協議、提供培訓及進行驗證的重要性，以確保AI工具的可靠性。此外，數位化有助於提升醫療可及性，特別是在偏遠地區。總之，數位化將改善全球診斷的準確性與效率，解決相關挑戰是關鍵。 PubMed DOI

隨著手機相機、轉接器和網路速度進步，越來越多病理醫師用手機進行遠距病理諮詢、教學和病例分享。雖然還有挑戰，但這技術已逐漸成為不可或缺的工具。隨著5G普及，影響力會更大，病理醫師也需要學習並適應這項新趨勢。 PubMed DOI

ChatOCT 是一款專為 OCT 設計的離線 AI 臨床決策系統，不需網路即可運作，適合資源有限的地方。它以 LLaMA-2-7B 為基礎，結合專家知識與問答訓練，經過壓縮後能在一般硬體上高效執行。ChatOCT 提供準確、可解釋的診斷支援，效能比現有模型更好，記憶體用量也大幅降低，讓即時專家級分析隨時可用。 PubMed DOI

這項研究發現，GPT-4o 和 Claude Sonnet 3.5 這兩款AI模型，經過少量範例訓練後，診斷OCT影像的準確率最高可達73%。雖然還不如專業深度學習模型，但在日常眼科診斷、特別是判斷正常個案時，已展現輔助潛力。未來需更多研究結合影像和臨床資料來提升表現。 PubMed DOI

研究團隊開發了CCBench，首個專門評估大型語言模型和視覺語言模型在子宮頸細胞學篩檢表現的基準資料集。測試結果顯示，雖然GPT-4、Gemini等模型有潛力，但準確度和可靠性仍不如人類專家，且有誤導風險，目前還不適合臨床應用，需再優化改進。 PubMed DOI

Claude 3.5 Sonnet 是多模態大型語言模型，這次用來分析160張瞼板腺攝影，評分腺體脫落程度並偵測形態異常。它在腺體流失分級的準確率高達85–97.5%，能正確辨識所有人工標記的異常，還能發現人工漏掉的細微問題，顯示有潛力成為眼科影像判讀和教學的好幫手。 PubMed DOI

這項研究開發的 MOSAIC AI 系統，能用手機拍的眼睛照片來偵測和分級眼表疾病，價格親民又容易理解。測試顯示，影像品質控管準確率有 95%，疾病偵測準確率 87%，分級表現也會隨訓練資料增加而提升。MOSAIC 有望幫助偏鄉或資源有限地區提升眼科照護。 PubMed DOI

這項研究發現，DALL·E 3 能生成高品質的前列腺癌病理影像，特別是 Gleason 5 分級，對教學有幫助。雖然細胞核細節還不夠精細，但整體表現不錯。不過，AI 影像有被濫用的風險，技術人員和醫師必須密切合作並加強監督。 PubMed DOI

這項研究比較了三種多模態大型語言模型在甲狀腺超音波影像分類的表現，發現商業版 o3 準確度和一致性最好，但還是沒達到臨床標準。雖然加上影像標註和調整提示語有幫助，但提升有限。總結來說，這些 AI 工具還不夠成熟，還需要再改進才能安全用在臨床診斷上。 PubMed DOI