使用GPT-4进行LI-RADS特征提取和分类,并提供多语言自由文本报告
Kyowon Gu1, Jeong Hyun Lee1, Jaeseung Shin1
1Department of Radiology and Center for Imaging Science, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, Republic of Korea.
概括
生成预训练变压器 (GPT) -4在从肝脏MRI报告中提取肝脏成像报告和数据系统 (LI-RADS) 功能方面表现出高准确性. 为了在复杂病例中可靠的临床应用,需要进一步的进展.
科学领域:
- 放射学中的人工智能
- 医学成像信息学 医疗成像信息学
- 医疗保健的自然语言处理.
背景情况:
- 肝脏成像报告和数据系统 (LI-RADS) 标准化了肝细胞癌成像.
- 放射学报告的变化阻碍了自动数据提取.
- 大型语言模型 (LLM) 为结构化数据提取提供了潜力.
研究的目的:
- 评估生成预训练变压器 (GPT) -4在提取LI-RADS特征和类别中的性能.
- 评估GPT-4对非结构化的自由文本肝脏MRI报告的实用性.
主要方法:
- 160个虚构的韩国/英语肝脏MRI报告是由三个放射科医生生成的.
- 对20份报告进行了快速工程;140人组成了内部测试队列.
- 72个未被识别的真实报告构成了外部测试队列; GPT-4提取了LI-RADS特征,Python脚本计算了类别.
主要成果:
- 对主要LI-RADS特征的外部测试准确度在0.92~99.99之间.
- 对于其他LI-RADS特征的精度在0.86到97.97之间.
- LI-RADS 类别的提取精度为 .85 (95% CI: .76, .93).
结论:
- 对于从肝脏MRI报告中提取LI-RADS特征,GPT-4显示出显著的前景.
- 提醒策略和神经网络架构的完善是强大的临床实施所必需的.
- 像GPT-4这样的LLM可以简化从复杂的放射学报告中提取数据.
