探索使用ChatGPT来预测机械血栓切除术后前循环中风功能结果:试点研究

科学领域:

• 神经学 神经学
• 人工智能在医学中的应用
• 脑卒中医学 脑卒中医学

背景情况:

• 对功能结果的准确预测对于治疗急性缺血性中风 (AIS) 患者至关重要.
• 当前的预测方法在实现高精度方面面临挑战.
• 修改后的兰金尺度 (mRS) 是评估中风后功能结果的关键指标.

研究的目的:

• 评估生成语言模型ChatGPT对AIS患者功能结果的预测性能.
• 评估ChatGPT在机械血栓切除术 (MT) 后3个月预测修改的兰金尺度 (mRS) 评分的能力.
• 将ChatGPT的预测准确度与现有的MT-DRAGON评分进行比较.

主要方法:

• 从接受MT的163名AIS患者的临床,神经成像和程序数据的回顾性分析.
• 评估ChatGPT的准确和二分化的mRS预测与使用科恩 κ.的实际分数之间的一致性.
• 通过将其预测与MT-DRAGON评分进行比较,评估ChatGPT的附加值.

主要成果:

• 聊天GPT证明了与精确的mRS分数的公平协议 (κ=0.354) 和与二分化mRS分数的良好协议 (κ=0.727) 在3个月后.
• 在总体和子组预测中,ChatGPT的表现优于MT-DRAGON的得分.
• 在治疗延迟较短,远端闭塞和更好的术前分数的患者中观察到更高的ChatGPT协议.

结论:

• 聊天GPT足够地预测了AIS患者在MT后的短期功能结果,超过了当前的风险得分.
• 将ChatGPT等AI模型集成到临床实践中,为中风患者的护理提供了潜在的好处.
• 人工智能模型的进一步改进是必要的,以提高它们在中风管理中的准确性.