亲爱的AuntMinnie会员，
骨科损伤的精准分类对指导治疗至关重要，目前通常采用一种名为AO（Arbeitsgemeinschaft für Osteosynthesefragen）的框架进行分类。然而，该系统存在观察者间差异的问题，这促使研究人员探索如何将人工智能（AI），尤其是大型语言模型（LLMs），应用于解读CT骨折检查的放射学报告。
在本期CT Insider的特稿中，我们报道了一项由德国研究团队开展的研究，他们比较了四种LLMs在分析CT骨骨折影像报告中的表现。
此外，本月我们还报道了一系列CT相关的研究成果，包括以下内容：CT辅助特征不会影响LI-RADS性能；标准和超高分辨率模式均适用于光子计数CT冠状动脉CT血管造影；CT揭示与跌倒风险增加相关的脑部隐性变化；七家专业医学组织联合制定的心脏CT用于人工心脏瓣膜的共识指南；以及深度学习算法在非心脏CT检查中评估冠状动脉钙化的潜力。
与此同时，我们还探讨了CT结肠成像相较于DNA粪便检测更具成本效益的研究，超低剂量CT在骨质疏松症患者成像中的有效性及其减少辐射暴露的优势，吸烟者心理健康状况与肺癌筛查需求之间的关系，以及光子计数CT（PCCT）在冠状动脉支架评估中提高诊断准确性的能力。
在AuntMinnie.com，我们实时更新CT技术的多种优势。如果您有任何希望我们关注的CT相关主题，请随时联系我。
凯特·马登·伊（Kate Madden Yee）
高级编辑
AuntMinnie.com
(全文结束)
