本研究调查了使用 ChatGPT 将放射学报告翻译成简明语言以提高医疗保健的可行性，并将 ChatGPT 与 GPT-4 进行比较，结果发现 GPT-4 可以显著提高翻译的质量。

Mar, 2023

研究了 8 种大型语言模型对放射学报告印象进行总结的能力，使用 CT、PET-CT 和超声波报告构建零、一、三次扫描提示，并定义了五项人工评价指标以评估印象的语义，结果显示大型语言模型在完整性和正确性方面表现较好，但简洁性和真实性评分不高，并指出少量扫描提示可以提高模型的简洁性和真实性，但临床医师仍认为大型语言模型不能取代放射学家的总结能力。

Jun, 2024

利用大型语言模型进行人工智能辅助的放射学报告生成与评估研究，通过结合放射科医生专业知识并采用相关评估指标以提高医学报告质量评估水平。

Jan, 2024

我们通过比较人类和 ChatGPT 简化的文本，使用 14 个反映文本难度的指标，评估 ChatGPT 的简化性能，并找到简化的文本与人类简化文本之间存在较高的相似性。医学领域的专家评估显示出对 ChatGPT 风格的偏好，但文本内容的保留程度较低。

Apr, 2024

电子病历、ChatGPT、多学科团队报告、医学语言和大型语言模型是本研究的关键词。研究发现，大型语言模型能帮助解释复杂的医学报告给患者，但存在信息不准确、语言不当、个性化有限、人工智能不信任以及将大型语言模型融入临床工作流程的挑战等问题需要解决。

Jun, 2024

利用一种新的提示策略，结合少样本上下文学习，该论文引入了一种改进放射学报告摘要的方法，通过首先生成普通人摘要来规范关键观察，并使用医患交流启发的非专家通信技术简化复杂信息。我们在 MIMIC-CXR、CheXpert 和 MIMIC-III 数据集上评估了这种方法，并将其与 7B/8B 参数状态下的开源大型语言模型（LLMs），如 Meta-Llama-3-8B-Instruct，进行了比较。我们的结果表明，在摘要精确性和可访问性方面都取得了改进，特别是在领域外测试中，某些指标的改进高达 5%。

Jun, 2024

大规模语言模型 ChatGPT 可用于从放射学报告中提取有用信息，但仍需进一步改进。

Sep, 2023

使用大型语言模型（LLMs）如 GPT-4、Perplexity 和 Bard 来在急诊放射学报告中识别紧急发现的效用受到批评，同时也提出了使用患者数据而无需明确批准的伦理问题，并强调了在 GDPR 下采取严格数据保护措施的必要性。

May, 2024

本论文评估了目前最先进的大型语言模型 GPT-4 在放射学报告的文本应用中的表现，探索了各种提示策略，并发现 GPT-4 在常见放射学任务中表现要优于或与目前最先进的放射学模型相媲美。针对需要学习特定样式或架构的任务，GPT-4 通过基于示例的提示得到改进并与监督的最先进模型相匹配。通过与一名获得认证的放射科医生的广泛错误分析表明，GPT-4 在放射学知识方面具备足够水平，只偶尔在需要微妙领域知识的复杂上下文中出现错误。针对发现的总结，GPT-4 的输出整体上与现有的人工编写印象相当。

Oct, 2023

该研究综述了语言模型在医学成像领域中的应用，重点介绍了不同应用，如图像字幕、报告生成、报告分类、查找提取、视觉问答、可解释性诊断等，并探讨了语言模型在医学影像分析中的潜在优点，包括提高临床工作流程效率、降低诊断错误、协助医疗保健专业人员提供及时准确的诊断。

Apr, 2023