[La aplicación de grandes modelos de lenguaje en el diagnóstico de cáncer de próstata clínicamente significativo]

Área de la Ciencia:

• La inteligencia artificial en la medicina.
• Oncología Oncología.
• Diagnóstico médico Diagnóstico médico

Sus antecedentes:

• El diagnóstico preciso del cáncer de próstata clínicamente significativo (csPCa) es crucial para el manejo efectivo del paciente.
• Los Grandes Modelos de Lenguaje (LLM) son herramientas emergentes con aplicaciones potenciales en el diagnóstico médico.
• Es esencial evaluar el rendimiento del LLM y el impacto del ajuste fino en la precisión del diagnóstico.

Objetivo del estudio:

• Para evaluar el rendimiento de diagnóstico de cuatro LLM (GPT 4.1, DeepSeek R1, Qwen3-235B-A22B, Qwen3-32B) para el csPCa.
• Evaluar la mejora en el rendimiento de diagnóstico de un LLM de código abierto (Qwen3-32B) después del ajuste fino de la Adaptación de Rango Bajo (LoRA).
• Determinar la utilidad de los LLM en la reducción de las biopsias de próstata innecesarias, particularmente en la zona gris del PSA.

Principales métodos:

• Análisis retrospectivo de 1.077 pacientes sometidos a biopsia de próstata.
• Cuatro LLMs evaluaron el diagnóstico de csPCa utilizando datos clínicos, informes de resonancia magnética y resultados de biopsias.
• El ajuste fino de LoRA se aplicó a Qwen3-32B, creando el modelo PCD-Qwen3, con un rendimiento en comparación con el original y otros LLM utilizando curvas ROC y AUC.

Principales resultados:

• DeepSeek R1 demostró el AUC más alto (0,848) para el diagnóstico de csPCa, superando el rendimiento de Qwen3-32B y Qwen3-235B-A22B.
• En la zona gris del PSA (4-10 μg/L), DeepSeek R1 logró un AUC de 0,765, evitando potencialmente el 46,3% de las biopsias.
• El modelo PCD-Qwen3 ajustado mostró un rendimiento significativamente mejorado que el Qwen3-32B, logrando un AUC de 0,831, comparable al de DeepSeek R1.

Conclusiones:

• DeepSeek R1 exhibió el mejor rendimiento de diagnóstico entre los LLM evaluados para csPCa.
• El ajuste fino de LoRA mejoró significativamente la capacidad de diagnóstico del modelo Qwen3-32B, alcanzando niveles de rendimiento similares a los de DeepSeek R1.
• Los LLM muestran un potencial considerable para mejorar el diagnóstico de csPCa y optimizar las estrategias de biopsia.