生成预训练变压器 (GPT) -4支持神经辐射学中的差异诊断

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 神经辐射学神经辐射学

背景情况:

• 准确识别成像模式对于放射学中差异诊断至关重要.
• 大型语言模型 (LLM) 提供了提高放射科医生工作流效率的潜在应用.
• 生成预训练变压器 (GPT) -4,一个LLM,被评估其在神经放射学差异诊断的有效性.

研究的目的:

• 评估GPT-4在产生神经辐射病例差异诊断方面的有效性.
• 为了比较GPT-4的诊断性能与董事会认证的神经放射学家.
• 评估GPT-4与人类差异诊断专家之间的协议.

主要方法:

• 60份神经放射学报告与各种诊断被输入到GPT-4.
• GPT-4的任务是为每个病例生成前三大差异诊断.
• 结果与真实的诊断和三名失明的神经放射学家提供的诊断进行了比较,评估了准确性和读者之间的一致性.

主要成果:

• 在61.7%的病例中,GPT-4包括了正确的诊断.
• 神经放射学家的准确性在63.3%至73.3%之间.
• 在GPT-4和神经放射学家之间以及神经放射学家之间,达成的共识相当于中等 (科恩的卡帕为0.34-0.54).

结论:

• GPT-4显示出作为神经放射学差异诊断的辅助工具的潜力.
• 人类专家目前在诊断准确度方面表现优于GPT-4.
• 放射科医生应该意识到LLM的局限性,同时认识到他们在教育和临床实践中的潜力.