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
. 2025 Apr;65(4):257-265.
doi: 10.1007/s00117-025-01433-1. Epub 2025 Mar 19.

[The use of large language models in medicine and in radiology in particular]

[Article in German]
Alexander Herold  1 , Christian J Herold  1 , Elmar Kotter  2
Affiliations

[The use of large language models in medicine and in radiology in particular]

[Article in German]
Alexander Herold et al. Radiologie (Heidelb). 2025 Apr.

Abstract
in English, German

Background: The integration of Large Language Models (LLMs) into radiological practice offers promising opportunities to support reporting, workflow optimization, and clinical decision-making.

Objective: To provide an exemplary demonstration of an LLM's self-reflection on the use of LLMs in radiology and a critical evaluation of their possibilities and limitations.

Materials and methods: In this article, an LLM (Claude AI, Version 3.5 Sonnet AI Assistant, Anthropic, PBC) reflects on its own potential and limitations within the context of radiological practice. Claude was iteratively employed to analyze and systematically present relevant topics.

Results: The utilized LLM demonstrates remarkable capabilities in generating structured content and identifying radiological applications. LLMs offer promising support but need to be used responsibly for radiological applications.

Conclusion: LLMs such as Claude are powerful tools whose effectiveness depends on the user's ability to critically assess the generated content. Addressing ethical and practical challenges is essential to ensure a balance between technological assistance and medical autonomy. Future developments in generative AI, including potential singularity scenarios, require thoughtful and responsible application to maximize clinical benefits and minimize risks.

Zusammenfassung: HINTERGRUND: Die Integration von Large Language Models (LLMs) in die radiologische Praxis bietet vielversprechende Möglichkeiten zur Unterstützung von Befundung, Workflow-Optimierung und Entscheidungsfindung.

Fragestellung: Exemplarische Darstellung der Selbstreflektion eines LLM zum Einsatz von LLMs in der Radiologie und kritische Wertung der Möglichkeiten und Grenzen.

Material und methode: In diesem Artikel reflektiert ein LLM (Claude AI, Version 3.5 Sonnet AI Assistant, Anthropic, PBC) über die eigenen Potenziale und Limitationen im Kontext der radiologischen Praxis. Claude wurde iterativ eingesetzt, um relevante Themen zu analysieren und strukturiert darzustellen.

Ergebnisse: Das verwendete LLM demonstriert beeindruckende Fähigkeiten in der Generierung strukturierter Inhalte und der Identifikation radiologischer Anwendungsmöglichkeiten. LLMs bieten eine vielversprechende Unterstützung, erfordern jedoch beim Einsatz in der klinischen Routine eine verantwortungsvolle Nutzung.

Schlussfolgerung: LLMs wie Claude sind leistungsstarke Werkzeuge, deren Effektivität von der Fähigkeit der Nutzer abhängt, generierte Inhalte kritisch zu hinterfragen. Die Diskussion ethischer und praktischer Herausforderungen ist unerlässlich, um eine Balance zwischen technologischer Unterstützung und ärztlicher Autonomie zu gewährleisten. Zukünftige Entwicklungen generativer KI, einschließlich möglicher Singularitätsszenarien, erfordern eine reflektierte und verantwortungsvolle Nutzung, um den klinischen Nutzen zu maximieren und Risiken zu minimieren.

Keywords: Generative artificial intelligence; Large Language Models; Radiological reporting; Self-reflection; Workflow.

PubMed Disclaimer

Conflict of interest statement

Einhaltung ethischer Richtlinien. Interessenkonflikt: A. Herold, C.J. Herold und E. Kotter 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. Anthropic (2024) Claude (Version 3.5 Sonnet). https://www.anthropic.com . Zugegriffen: 25. Nov. 2024
    1. OpenAI (2024) GPT‑4 Turbo. https://platform.openai.com . Zugegriffen: 25. Nov. 2024
    1. Python Software Foundation (2024) Python Language Reference, Version 3.10. https://docs.python.org/3.10/ . Zugegriffen: 10. Dez. 2024
    1. Matplotlib HJD (2007) A 2D Graphics Environment. Comput Sci Eng 9(3):90–95. https://doi.org/10.1109/MCSE.2007.55 - DOI
    1. Topol E (2024) AI’s transformation of medicine. Keynote-Vortrag auf: 110. Wissenschaftliche Versammlung und Jahrestagung der Radiological Society of North America. Plenary Session, Arie Crown Theatre; 2. Dezember 2024; Chicago, IL, USA

Publication types