Diferenciación intra-axial de tumores cerebrales primarios: comparación de grandes modelos de lenguaje en informes de...

Área de la Ciencia:

• Inteligencia artificial en imágenes médicas
• Aprendizaje automático para el apoyo diagnóstico
• Investigación en neuro-oncología

Sus antecedentes:

• La diferenciación precisa de los tumores cerebrales primarios intraaxiales es crucial para la planificación eficaz del tratamiento.
• Los informes de imágenes de resonancia magnética estructuradas (IRM) contienen información de diagnóstico valiosa.
• Los grandes modelos lingüísticos (LLM) están emergiendo como potentes herramientas para el análisis de textos y la extracción de información.

Objetivo del estudio:

• Evaluar la eficacia de los LLM en la distinción entre varios tumores cerebrales primarios intra-axiales basados en informes estructurados de resonancia magnética.
• Para comparar el rendimiento diagnóstico de los LLM con los neuroradiólogos certificados.
• Identificar las fortalezas y limitaciones de los LLM actuales en el diagnóstico neuro-oncológico.

Principales métodos:

• Análisis de informes estructurados de resonancia magnética preoperatoria de 137 tumores cerebrales primarios intra-axiales confirmados quirúrgicamente.
• Utilizó múltiples LLM (GPT-4, Claude-3-Opus, Claude-3-Sonnet, GPT-3.5, Llama-2-70B, Qwen1.5-72B, Gemini-Pro-1.0) para generar los 5 mejores diagnósticos diferenciales.
• Comparó las precisiones de LLM (top 1, 3, 5) con las interpretaciones de los neuroradiólogos de las imágenes reales de RM.

Principales resultados:

• Los neuroradiólogos certificados por la junta lograron una precisión de diagnóstico superior (Top 1: 85.4%, Top 3: 94.9%, Top 5: 94.9%).
• GPT-4 demostró el mayor rendimiento entre los LLM (Top 1: 65.7%, Top 3: 84.7%, Top 5: 90.5%), con su precisión Top 3 acercándose al Top 1 de los radiólogos.
• Los LLM mostraron una alta precisión para el glioblastoma, pero se enfrentaron a desafíos con el linfoma del sistema nervioso central (SNC) y otros tumores menos comunes.

Conclusiones:

• Los LLM son prometedores como herramientas complementarias para el diagnóstico diferencial de tumores cerebrales a partir de informes de resonancia magnética estructurados.
• Existe una brecha significativa de rendimiento entre los LLM y los radiólogos expertos que interpretan los datos de imágenes primarias.
• El tipo de tumor y la elección del LLM tienen un impacto crítico en la precisión del diagnóstico, lo que pone de relieve la necesidad de un mayor desarrollo y validación.