在骨扫描中诊断骨转移的ChatGPT辅助深度学习:弥合临床医生的AI差距

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 骨扫描对于检测骨转移至关重要,但往往缺乏特异性,需要额外的诊断方法.
• 深度学习 (DL) 模型有可能提高医学成像中的诊断准确性.
• 开发DL模型通常需要大量的医疗和编程专业知识.

研究的目的:

• 评估使用ChatGPT创建DL模型的可行性,用于在骨扫描中诊断骨转移.
• 为了评估这种模型的诊断性能.

主要方法:

• 分析了来自癌症患者的4626个骨扫描数据集.
• 一位核医学医生开发了一个DL模型,利用ChatGPT 3.5和ResNet50作为脊柱.
• 他们比较了四种策略来管理阶级不平衡,包括数据增强技术.

主要成果:

• 最佳策略涉及对阳性病例的数据增加10倍,达到0.8156的曲线下面面积 (AUC),56.0%的灵敏度和88.7%的特异性.
• 类激活映射显示了该模型的重点是脊髓转移,但也突出了与良性病变或尿动活动的潜在混.

结论:

• 具有基本编程技能的临床医生可以开发有效的DL模型用于医学图像分析,例如骨转移检测.
• 模型可视化对于完善DL开发和预处理步骤是有价值的.
• 这种方法可以帮助临床决策骨转移的诊断.