在口腔喉共焦激光内显微镜中诊断恶性瘤,使用GPT 4.0与视觉视觉

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:

• 同焦激光内显微镜 (CLE) 提供了实时的,非侵入性评估手术边缘在口腔状细胞癌 (OPSCC).
• 解释CLE图像用于准确的边际评估是一个重大的临床挑战.

研究的目的:

• 调查OpenAI的生成预训练变压器 (GPT) 4.0与Vision功能在OPSCC中自动分类CLE图像的有效性.
• 评估GPT-4.0在CLE图像中区分癌症和健康组织的诊断性能.

主要方法:

• 使用了来自5名OPSCC患者的12809张CLE图像的数据集.
• 139张图像的子集 (83张SCC,56张健康的粘膜) 通过GPT-4.0通过API进行了分类,使用了几次拍摄的学习方法.
• 同一组图像被三个人类专家 (两个外科医生,一个病理学家) 独立分类,盲目对待组织学.

主要成果:

• GPT-4.0实现了71.2%的整体准确性,几乎完美的一致性 (κ=0.837).
• 人类专家证明了更高的准确性在88.5%与实质性的评审者之间的协议 (κ=0.773).

结论:

• 在 OPSCC 中,GPT-4.0 显示了 CLE 图像分类的初步诊断能力,并且使用了最小的训练数据.
• 需要进一步的研究来确定先进的AI模型是否可以在未经精确的数据集上实现临床相关的准确性.