学术背景 营养不良（malnutrition）是手术后并发症的重要风险因素，尤其在腹部大手术患者中，营养不良的发生率较高。然而，目前尚缺乏一种被广泛接受的营养不良评估工具。现有的多种营养筛查工具在敏感性和特异性方面存在较大差异，且其在不同医疗中心之间的应用效果也不一致。因此，确定一种在手术患者中具有高诊断和预后有效性的营养筛查工具，对于优化围手术期管理、改善患者预后具有重要意义。 本研究旨在通过多中心前瞻性队列研究，评估八种常用的营养筛查工具在腹部大手术患者中的诊断和预后有效性，并确定最有效的筛查工具。研究的主要问题包括：这些工具在诊断营养不良方面的准确性如何？它们是否能够有效预测术后并发症和死亡率？不同医疗中心之间的应用效果是否存在显著差异？ 论文来源 本论文由来自希腊和塞浦路斯多家医院的...

大型语言模型在放射学图像解读中的表现：与人类读者的比较研究 学术背景 近年来，大型语言模型（Large Language Models, LLMs）在多个领域展现了强大的能力，尤其是在自然语言处理方面。随着多模态LLMs的发展，这些模型不仅能够处理文本，还能够处理音频、视觉和视频等多种输入形式。代表性的多模态LLMs包括OpenAI的GPT-4 Turbo with Vision（GPT-4V）、Google DeepMind的Gemini 1.5 Pro以及Anthropic的Claude 3。这些模型在放射学领域的应用也逐渐增多，尤其是在生成和结构化放射学报告方面。然而，尽管LLMs在文本输入方面表现出色，其在解读放射学图像方面的能力仍然受到质疑。此前的研究表明，LLMs在基于患者病史和...