Cellular morphometric biomarkers and large language model predict prognosis and treatment response in neuroblastoma patients: A retrospective and double-blind prospective single arm clinical study.
神經母細胞瘤患者的細胞形態計量生物標記與大型語言模型預測預後和治療反應：一項回顧性和雙盲前瞻性單臂臨床研究。 Eur J Cancer 2025-02-05

這項研究探討神經母細胞瘤的異質性，並開發基於人工智慧的細胞形態計量生物標記，以預測治療反應和結果。研究包含84例回顧性和67例前瞻性原發性NB病例，追蹤至2024年底。研究人員識別了九個生物標記，並建立了風險評分和分組，顯示與預後和治療反應有顯著關聯。這些結果在前瞻性隊列中得到驗證，顯示其臨床相關性，並在現有國際風險分組之外，增強了預後表現。研究建議在更大規模的研究中進一步評估這些工具的價值。 PubMed DOI

A novel generative model for brain tumor detection using magnetic resonance imaging.
一種新穎的生成模型用於利用磁共振成像檢測腦腫瘤。 Comput Med Imaging Graph 2025-02-22

這項研究提出了一種創新的方法，利用深度學習技術（特別是Yolov8框架）來早期檢測和分割腦腫瘤，達到超過98%的準確率。透過微調和智能計算單元，腫瘤邊緣的分割精度超過99%，且分割時間少於一秒，表現優於現有方法。此外，研究還結合多種分類器和數據融合技術，提升腫瘤分類及預測患者壽命的能力。整體而言，這項研究為醫學影像領域提供了重要貢獻，改善了腦腫瘤的檢測與分類。 PubMed DOI

Detecting New Lesions Using a Large Language Model: Applications in Real-World Multiple Sclerosis Datasets.
使用大型語言模型偵測新病灶：於真實世界多發性硬化症資料集的應用 Ann Neurol 2025-04-25

研究團隊開發了 msLesionprompt，利用 ChatGPT-4 自動從多發性硬化症患者的 MRI 報告中，快速抓取新發炎性病灶的重點資訊。這工具能準確辨識新 T2 病灶和增強病灶，處理近 1.5 萬份報告又省時省錢，讓大規模分析治療效果和健康因素變得更容易，對 MS 研究很有幫助。 PubMed DOI

A Medical Multimodal Large Language Model for Pediatric Pneumonia.
用於兒童肺炎的醫學多模態大型語言模型 IEEE J Biomed Health Inform 2025-05-12

小兒肺炎診斷困難，影響幼童生命。P2Med-MLLM是一款結合文字和醫學影像分析的AI模型，能協助醫師更快更準確診斷與治療。實測結果顯示，這個模型比現有方法更有效率，有助於提升醫療品質並拯救更多孩子的生命。 PubMed DOI

The impact of clinical history on the predictive performance of machine learning and deep learning models for renal complications of diabetes.
臨床病史對機器學習與深度學習模型預測糖尿病腎臟併發症表現的影響 Comput Methods Programs Biomed 2025-05-18

這項研究用DARWIN-Renal資料，開發並比較四種機器學習模型來預測第二型糖尿病患者腎功能惡化風險。結果發現，納入病患過去的就診紀錄後，預測準確度明顯提升，尤其是循環神經網路表現最好。這說明利用病患的長期資料，有助於及早找出高風險族群。 PubMed DOI

A Clinical Neuroimaging Platform for Rapid, Automated Lesion Detection and Personalized Post-Stroke Outcome Prediction.
快速自動化病灶偵測與個人化中風後預後預測的臨床神經影像平台 medRxiv 2025-05-19

這項研究開發了一套全自動化系統，能用腦部MRI和機器學習，快速預測中風患者的長期認知狀況。系統會自動分割病灶、分析腦網路，3分鐘內就能產出個人化報告，準確率高達96%。這技術有助未來臨床應用，幫助醫師規劃更精準的中風照護與復健。 PubMed DOI

Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure.
敘述型特徵或結構化特徵？大型語言模型於辨識有心衰竭風險癌症病患之研究 AMIA Annu Symp Proc 2025-05-26

這項研究用電子健康紀錄和機器學習，預測哪些癌症病人容易發展成心臟衰竭。結果發現，大型語言模型GatorTron-3.9B表現最好，尤其是結合醫療代碼的新特徵後，明顯勝過傳統和其他深度學習模型。這方法有助於更精準找出高風險病人，提升癌症照護品質。 PubMed

Early prediction of colorectal adenoma risk: leveraging large-language model for clinical electronic medical record data.
利用大型語言模型分析臨床電子病歷資料，早期預測大腸直腸腺瘤風險 Front Oncol 2025-05-30

這項研究開發出一套高準確度、非侵入性、無輻射的機器學習模型，能用電子病歷資料提早預測大腸直腸腺瘤。結合傳統機器學習和大型語言模型，模型在驗證和測試組的AUC都約0.98，表現非常優異。此模型也能找出關鍵風險因子，適合大規模篩檢，有助降低大腸癌發生率與死亡率。 PubMed DOI

Fine-tuned large Language model for extracting newly identified acute brain infarcts based on computed tomography or magnetic resonance imaging reports.
基於電腦斷層掃描或磁振造影報告，萃取新發現急性腦梗塞的微調大型語言模型 Emerg Radiol 2025-06-01

這項研究開發了一套AI系統，能用大型語言模型自動從CT和MRI放射科報告中偵測新發急性或亞急性腦梗塞。模型在大量日文報告訓練下，對新發腦梗塞的敏感度高達0.891，整體準確率0.923，能快速分類並及早發出警示，協助臨床判斷。 PubMed DOI

Retrieval Augmented Generation-Enabled Large Language Model for Risk Stratification of Cutaneous Squamous Cell Carcinoma.
結合檢索增強生成（Retrieval Augmented Generation, RAG）的大型語言模型於皮膚鱗狀細胞癌風險分層之應用 JAMA Dermatol 2025-06-11

一個全新AI風險評分系統AIRIS，結合大型語言模型和RAG技術，能更精確預測皮膚鱗狀細胞癌患者的不良預後。和現有標準（BWH、AJCC8）相比，AIRIS在預測復發、轉移和死亡上表現更好，風險分組也更一致，顯示AI有助提升癌症預後工具。 PubMed DOI

原始文章

站上相關主題文章列表