相关实验视频
Updated: Jul 31, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
使用人工智能聊天机器人解释临床视网膜图像
Andrew Mihalache1, Ryan S Huang1, David Mikhail1
1Temerty School of Medicine, University of Toronto, Toronto, Ontario, Canada.
Ophthalmology science
|August 14, 2024
概括
聊天生成预训练变压器-4使用多式联络数据准确诊断了50.7%的视网膜病例. 通过全面的临床信息显著提高了性能,突出显示了人工智能诊断中需要文本上下文的需求.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 眼科诊断越来越多地使用人工智能 (AI) 工具.
- 在眼科中,评估高级AI模型的诊断准确度至关重要,例如聊天生成预训练变压器-4 (GPT-4).
- OCTCases为绩效评估提供了多式联网膜教学案例的宝贵数据集.
研究的目的:
- 评估Chat GPT-4的诊断性能,分析OCTCases中的视网膜教学案例.
- 确定不同数量的临床信息对AI诊断准确性的影响.
- 在多式眼科数据集中研究基于文本的信息与正确诊断之间的关系.
主要方法:
- 一个横截面研究,利用69个视网膜教学案例从OCTCases.
- 聊天GPT-4被提示使用多式眼科图像和不同级别的临床文本信息.
- 使用多变量逻辑回归来分析文本输入与诊断准确性之间的关联.
主要成果:
- 在69例视网膜病例中,GPT-4在50.7%的病例中实现了正确的诊断.
- 在提供完整患者描述的情况下,在65.7%的病例中实现了正确的诊断.
- 与最小信息相比,提供完整的患者描述显著增加了正确诊断的几率 (OR=10.1,P < 0.01).
结论:
- 聊天GPT-4在多式输入的视网膜病例中显示出中度的诊断准确性,严重依赖附带文本.
- 人工智能在没有基于文本的上下文的情况下解释多式联络成像的能力目前有限.
- 在临床实践中,仔细考虑人工智能工具的应用和生物伦理方面的影响是必不可少的.
