根據評估，ChatGPT-4o在骨腫瘤的初步病理診斷上，與三級醫院的資深病理學家能力相當，表現優於偏遠地區的基層醫生。這顯示像ChatGPT-4o這樣的人工智慧工具，能顯著提升偏遠醫療提供者的診斷能力，並有助於改善三級醫院醫生在識別骨腫瘤時的敏感性，降低漏診的風險。 PubMed DOI ♡

這項研究評估了ChatGPT在診斷肝膽腫瘤的有效性，特別是比較了GPT-4模型在兩種不同提示下的準確性。研究使用了120張光學顯微鏡照片，結果顯示，模仿病理學家的形態學分析顯著提高了診斷準確性，尤其在識別肝細胞癌和膽管癌方面。形態學方法的準確率明顯較高（肝細胞癌62.0%對27.3%），且一致性也更佳（κ值：0.46對0.27）。這強調了將病理學診斷整合進人工智慧的重要性。 PubMed DOI ♡

這項研究探討了ChatGPT在協助十個子專科的組織病理學診斷中的有效性。研究中，專家病理學家評估了ChatGPT對臨床病理情境的回答，結果顯示其在62.2%的案例中提供有用答案，但32.1%的回答是正確的。儘管有一定的實用性，AI的錯誤率和文獻參考的準確性僅為70.1%，顯示出其不適合用於日常診斷。研究強調了人類專業知識的重要性，並提醒使用AI時需謹慎。 PubMed DOI ♡

研究比較了ChatGPT模型和病理學住院醫師在診斷疾病上的表現，結果顯示ChatGPT在描述和診斷方面表現一致，但不及醫師。然而，當提供正確描述時，ChatGPT在診斷上有潛力。儘管目前ChatGPT不如醫師，但未來可能成為病理診斷的有用輔助工具。 PubMed DOI ♡

研究比較了基於GPT-4的ChatGPT、基於GPT-4V的ChatGPT和放射科醫師在106個案例的肌肉骨骼放射學診斷準確性。結果顯示，基於GPT-4的ChatGPT準確率為43%，優於基於GPT-4V的ChatGPT的8%。放射科醫師的準確率分別為41%和53%。ChatGPT表現接近住院醫師，但不及認證放射科醫師。放射科醫師需了解ChatGPT的診斷表現，強調提供詳細影像描述以提高準確性。 PubMed DOI ♡

這項研究評估了GPT-4（特別是ChatGPT）在解讀腦腫瘤MRI報告的診斷能力。研究分析了150份術前病患的報告，結果顯示GPT-4的診斷準確率為73%，而神經放射科醫師則為80%。在鑑別診斷方面，GPT-4的準確率高達94%，放射科醫師則介於73%到89%之間。研究結果表明，GPT-4可作為神經放射科醫師的有用第二意見，並能成為一般放射科醫師和住院醫師的指導工具，顯示其在臨床診斷中的潛力。 PubMed DOI ♡

這項研究探討了大型語言模型（LLM）ChatGPT 在根據肝臟影像報告分類肝臟病變的能力，使用 MRI 報告進行比較。研究涵蓋 150 名患者的 205 份 MRI，重點在特定病變的大小、位置及動脈期對比增強標準。結果顯示，ChatGPT 在非結構化報告中的準確率（53%）高於結構化報告（44%），且在非結構化報告的協議程度（k = 0.51）也較佳。這顯示 LLM 在處理自由文本數據方面有潛力，但仍需優化以適應結構化數據。 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 ♡

這項研究評估了ChatGPT-4在分析耳鼻喉科影像時的一致性，涉及40名患者。結果顯示，ChatGPT-4在影像解讀的平均一致性分數為2.46，僅在15%的案例中準確分析影像，且與醫生的高一致性僅12.5%。它建議的額外檢查次數顯著高於臨床醫師，且主要診斷準確率僅20%到25%。整體而言，雖然ChatGPT-4在主要診斷上有一定效率，但在影像分析及檢查建議的可靠性較低。 PubMed DOI ♡