GPT-5におけるハイパーパラメータと入力最適化の将来的な定量分析:腹部放射線学の放射線科医のパフォーマンスに対する比較的な貢献

科学分野:

• 医療イメージングにおける人工知能
• 放射線学における自然言語処理

背景:

• GPT-5のような大型言語モデル (LLM) は,臨床応用の可能性を示しています.
• LLMのパフォーマンスを最適化するには,入力データとモデルのパラメータを慎重に考慮する必要があります.

研究 の 目的:

• GPT-5の性能に対する入力フォーマットとハイパーパラメータ設定の影響を評価する.
• 放射線科医の診断精度と微分診断能力に対するGPT-5支援の貢献度を評価する.

主な方法:

• ブラウザベースのおよびAPIでアクセスされたコンテキストでGPT-5を使用した86の腹部症例の見通し評価.
• GPT-5のパフォーマンスを評価する入力形式は",視覚のみ"と"画像検査結果と臨床プレゼンテーションを伴う視覚"です.
• GPT-5の温度変化とTOP-Pの設定を最適化し,ジュニア放射線科医への支援を評価する.

主要な成果:

• GPT-5の診断精度は12% (視覚のみ) から58%に増加し,追加の臨床情報 (P<0.001) も提供されました.
• ハイパーパラメータ最適化 (温度: 1.5,上部p: 1) は,GPT-5の診断精度を73%までさらに改善しました.
• 放射線科医の診断の精度は,補助なしで71-73%から,GPT-5の補助で86-94%に改善されました.

結論:

• 構造化されたテキスト入力とAPIベースのハイパーパラメーター最適化は,腹部イメージングにおけるGPT-5のパフォーマンスを向上させます.
• GPT-5アシスタントは,ジュニア放射線科医の診断および差異診断のパフォーマンスを大幅に改善します.
• ハイパーパラメータ設定の標準化は,将来のLLMベースの臨床意思決定支援ツールにとって極めて重要です.