在乳房超声波中利用大型语言模型进行结构化报告:对开放式AI (GPT-4.0) 和微软Bing (GPT-4) 的比较研究

科学领域:

• 医疗成像中的人工智能
• 用于临床文档的自然语言处理.
• 乳房超声波报告系统

背景情况:

• 自由文本乳房超声波报告缺乏标准化,阻碍了有效的数据提取和分析.
• 大型语言模型 (LLM) 在处理和结构化非结构化临床数据方面表现有前途.
• 准确的BI-RADS分类和管理建议对于乳腺癌诊断和患者护理至关重要.

研究的目的:

• 评估开放AI的GPT-4.0和微软Bing的GPT-4在从自由文本乳房超声报告中生成结构化报告的能力.
• 评估BI-RADS类别的准确性和由这些LLM产生的管理建议.
• 为了比较GPT-4.0和GPT-4在预测良性和恶性乳腺病变方面的表现.

主要方法:

• 对100名经过手术治疗的患者的乳房超声波报告进行了回顾性分析.
• 利用开放式AI (GPT-4.0) 和微软Bing (GPT-4) 将非结构化报告转换为结构化格式.
• 高级放射科医生评估生成的结构化报告,BI-RADS类别和管理建议的质量,并根据既定指南进行评估.

主要成果:

• 在生成结构化报告 (88%对55%),BI-RADS类别 (54%对47%) 和管理建议 (81%对63%) 方面,开放式人工智能 (GPT-4.0) 显著超过了微软的Bing (GPT-4).
• GPT-4.0在预测病变特征方面表现优越 (AUC,0.9317与0.8177),尽管这两位LLM都低于高级放射科医生 (AUC,0.9763).
• 在大多数比较中观察到统计学意义 (p < 0.001),突出显示了GPT-4.0的先进功能.

结论:

• 开放人工智能的GPT-4.0显示了大量的潜力,可以准确地将非结构化的乳房超声波报告转换为结构化的格式.
• 法律法规,特别是GPT-4.0,可以帮助生成可靠的BI-RADS类别和适当的管理建议.
• 需要进一步开发和验证LLM,以加强其在临床乳腺成像解释和报告中的作用.