大型语言模型可能有助于通过骨光学扫描来诊断SAPHO综合征

科学领域:

• 医学成像和人工智能 医学成像和人工智能
• 风湿病学和皮肤病学
• 诊断效率评估的诊断效率评估

背景情况:

• 综合炎,,,高静止症和骨炎 (SAPHO) 综合征的诊断可能具有挑战性.
• 骨光学是SAPHO综合征评估的关键成像方式.
• 当前的诊断方法可能会从人工智能增强中受益.

研究的目的:

• 评估大语言模型 (LLM) 在识别SAPHO综合征时的诊断能力.
• 探索LLMs的潜力,以提高SAPHO综合征的诊断工作流程.

主要方法:

• 对151名怀疑患有SAPHO综合征的患者的成像和临床数据的回顾性审查.
• 使用ChatGPT-4.0作为LLM来分析放射学报告.
• 根据风湿病学家的诊断和卡恩的分类标准验证了LLM的表现,包括皮肤病变数据.

主要成果:

• 该LLM实现了SAPHO综合征的诊断准确率为76.8%.
• 在分析骨光学报道与皮肤症状信息时,灵敏度为83.5%,特异性为69.4%.
• 该模型与手掌植物性 pustulosis 数据一起证明了有效性.

结论:

• 大型语言模型在分析SAPHO综合征诊断的骨扫描放射学报告中具有前景价值.
• LLM可能会增加SAPHO综合征的诊断程序.
• 医疗报告的AI驱动分析显示了临床决策支持的前景.