Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
Review
. 2025 Apr;65(4):266-270.
doi: 10.1007/s00117-025-01419-z. Epub 2025 Feb 4.

[Artificial intelligence in radiology : Literature overview and reading recommendations]

[Article in German]
Moritz C Halfmann  1 , Peter Mildenberger  1 , Tobias Jorg  2
Affiliations
Review

[Artificial intelligence in radiology : Literature overview and reading recommendations]

[Article in German]
Moritz C Halfmann et al. Radiologie (Heidelb). 2025 Apr.

Abstract
in English, German

Background: Due to the ongoing rapid advancement of artificial intelligence (AI), including large language models (LLMs), radiologists will soon face the challenge of the responsible clinical integration of these models.

Objectives: The aim of this work is to provide an overview of current developments regarding LLMs, potential applications in radiology, and their (future) relevance and limitations.

Materials and methods: This review analyzes publications on LLMs for specific applications in medicine and radiology. Additionally, literature related to the challenges of clinical LLM use was reviewed and summarized.

Results: In addition to a general overview of current literature on radiological applications of LLMs, several particularly noteworthy studies on the subject are recommended.

Conclusions: In order to facilitate the forthcoming clinical integration of LLMs, radiologists need to engage with the topic, understand various application areas, and be aware of potential limitations in order to address challenges related to patient safety, ethics, and data protection.

Zusammenfassung: HINTERGRUND: Aufgrund des andauernden, rapiden Fortschritts künstlicher Intelligenz (KI) inklusive Large Language Models (LLMs) werden Radiolog*innen in absehbarer Zeit vor die Herausforderung der verantwortungsvollen klinischen Integration dieser Modelle gestellt.

Ziel der arbeit: Ziel der Arbeit ist es, einen Überblick über aktuelle Entwicklungen zum Thema LLMs, mögliche Einsatzgebiete in der Radiologie sowie ihre (zukünftige) Relevanz und Limitationen zu liefern.

Material und methoden: In dieser Übersichtsarbeit wurden Publikationen zu LLMs für spezifische Anwendungen in der Medizin und Radiologie analysiert. Zusätzlich wurde Literatur zu den Herausforderungen im Zusammenhang mit einer klinischen LLM-Nutzung gesichtet und zusammengefasst.

Ergebnisse: Neben einem generellen Überblick über aktuelle Literatur zu radiologischen Anwendungsbeispielen von LLMs werden verschiedene besonders spannende Arbeiten zum Thema empfohlen.

Diskussion: Um die anstehende klinische Integration von LLMs zu ermöglichen, müssen sich Radiolog*innen mit der Thematik auseinandersetzen, verschiedene Anwendungsgebiete und möglicher Limitationen kennen, um Herausforderungen im Hinblick auf Patientensicherheit, Ethik und Datenschutz bewältigen zu können.

Keywords: Chat-GPT; Clinical integration; Large language models; Patient safety; Structured reporting.

PubMed Disclaimer

Conflict of interest statement

Einhaltung ethischer Richtlinien. Interessenkonflikt: M.C. Halfmann, P. Mildenberger und T. Jorg geben an, dass kein Interessenkonflikt besteht. Für diesen Beitrag wurden von den Autor/-innen keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.

Similar articles

See all similar articles

References

Literatur

    1. Shen Y, Heacock L, Elias J et al (2023) ChatGPT and other large language models are double-edged swords. Radiology. https://doi.org/10.1148/radiol.230163 - DOI - PubMed - PMC
    1. Nazi ZA, Peng W (2023) Large language models in healthcare and medical domain: a review. https://arxiv.org/html/2401.06775v2
    1. Hu M, Qian J, Pan S et al (2024) Advancing medical imaging with language models: featuring a spotlight on ChatGPT. Phys Med Biol. https://doi.org/10.1088/1361-6560/ad387d - DOI - PubMed - PMC
    1. Huisman M, Kitamura F, Cook TS et al (2024) Pearls and pitfalls for LLMs 2.0. Radiology. https://doi.org/10.1148/radiol.242512 - DOI - PubMed - PMC
    1. McDonald RJ, Schwartz KM, Eckel LJ et al (2015) The effects of changes in utilization and technological advancements of cross-sectional imaging on radiologist workload. Acad Radiol 22:1191–1198. https://doi.org/10.1016/J.ACRA.2015.05.007 - DOI - PubMed