ChatGPT-5ベースの大規模言語モデル分析と甲状腺結節超音波評価のためのFDA承認AI-CADシステムとの比較
Ziman Chen1, Mengting Ye2, Jieyi Liang2
1Department of Health Technology and Informatics, The Hong Kong Polytechnic University, Kowloon, Hong Kong.
European journal of radiology
|January 6, 2026
まとめ
ChatGPT-5は甲状腺結節分類において実現可能性を示したが、S-Detectよりも診断パフォーマンスは低かった。大規模言語モデル（LLM）はまだ医療画像アプリケーションには適していない。
科学分野:
- 医療画像
- 人工知能
- 腫瘍学
背景:
- マルチモーダル大規模言語モデル（LLM）は、医療画像分析において有望視されている。
- 甲状腺超音波におけるLLMの診断能力は検証が必要である。
- ChatGPT-5は最新のマルチモーダルLLMである。
研究 の 目的:
- 甲状腺結節分類におけるChatGPT-5の実現可能性を探ること。
- ChatGPT-5の診断パフォーマンスを、FDA承認のコンピュータ支援診断システムであるS-Detectと比較すること。
主な方法:
- 141人の患者と186個の甲状腺結節を対象とした前向き研究が実施された。
- S-DetectとChatGPT-5は、二値分類のために超音波画像を分析した。
- 病理組織学をゴールドスタンダードとして使用した。
- Kappa統計量、感度、特異度、精度、AUCを計算した。
主要な成果:
- 両システムとも良性および悪性結節を区別した（P < 0.05）。
- S-DetectはChatGPT-5（Kappa=0.224）のほぼ公平な評価と比較して、中程度の合致度（Kappa=0.579）を示した。
- S-DetectはChatGPT-5（感度50.8%、精度59.1%）よりも高い感度（91.9%）と精度（82.3%）を示した。
- S-DetectのAUC（77.4%）はChatGPT-5（63.3%）よりも有意に高かった。
結論:
- ChatGPT-5は甲状腺結節分類において実現可能である。
- ChatGPT-5の診断パフォーマンスはS-Detectシステムよりも低い。
- ChatGPT-5のような現在のLLMは、まだ医療画像アプリケーションには適していない。
