基于公共自然语言处理平台的生成预训练型变压器模型的程序的开发和评估,以提高食道内镜下粘膜剖析手术后质量控制的效率
Huaiyuan Ma1,2, Xingbin Ma1,2, Chunxiao Yang1,2
1Department of Gastroenterology and Hepatology, Binzhou Medical University Hospital, Binzhou, 256603, Shandong, China.
Surgical endoscopy
|December 14, 2023
概括
一个新的程序使用生成预训练变压器 (GPT) 来自动化内镜子下粘膜切割 (ESD) 的术后质量控制. 这种人工智能工具简化了这一过程,减少了内镜师的工作量,并确保了食道ESD的质量.
科学领域:
- 胃肠病学 胃肠病学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 术后的质量控制对于内镜下层剖析 (ESD) 至关重要,但往往需要大量的时间.
- 发电预训练变压器 (GPT) 模型为简化这些质量控制任务提供了潜力.
- 本研究评估了一项利用GPT进行ESD质量控制的新方案.
研究的目的:
- 开发和评估一个使用GPT的程序,用于食道ESD的自动化术后质量控制.
- 与手动方法相比,确定基于GPT的程序的效率和准确性.
- 探索AI在减少与ESD质量保证相关的工作量方面的潜力.
主要方法:
- 开发了一个Python程序,将GPT与食道ESD病理报告集成在一起.
- 在GPT模型的提示符中,使用5个案例的子集进行了代优化.
- 对160个验证案例的性能进行了评估,使用准确性,精度,回忆和F1得分与手动质量控制标准对比.
主要成果:
- 基于GPT的程序在各种质量控制指标上取得了高绩效.
- 病理诊断,入侵深度和边缘评估的准确度从0.931到1.0不等.
- 精度,回忆和F1分数也特别高,表明可靠的质量控制.
结论:
- 开发的GPT驱动程序对于食道ESD的术后质量控制是有效的.
- 整合GPT提供了一种可行的方法来简化质量控制,并降低内镜师的负担.
- 这种人工智能应用表明了提高胃肠内镜质量保证效率的巨大潜力.
