探索大型语言模型在识别代谢功能障碍相关的脂肪性肝病方面的潜力:对非侵入性测试和人工智能产生的反应进行比较研究

科学领域:

• 人工智能在医学中的应用
• 医疗信息学 医疗信息学
• 肝病学 肝病学是一种肝病学.

背景情况:

• 与代谢功能障碍相关的脂肪性肝病 (MASLD) 是一个日益严重的全球健康问题.
• 准确有效的MASLD诊断工具对于及时干预至关重要.
• 当前的诊断方法可能是资源密集型的,需要专门的专业知识.

研究的目的:

• 评估大型语言模型 (LLM) 的诊断能力,特别是GPT-3.5和GPT-4,用于识别MASLD.
• 将LLM的表现与已建立的评分系统进行比较,例如脂肪肝指数 (FLI) 和美国FLI (USFLI).
• 评估GPT-4V在解释MASLD诊断的超声波图像方面的潜力.

主要方法:

• 利用了2017-2018年国家健康和营养检查调查 (NHANES) 的数据.
• 通过GPT-3.5和GPT-4量化评估了MASLD诊断的有效性和可靠性.
• 使用接收器运行特征 (ROC) 曲线来评估诊断准确性.
• 在MASLD患者的肝超声波图像上检查了GPT-4V的性能.

主要成果:

• GPT-4的诊断性能与FLI和USFLI相当,AUROC值分别为0.831,0.817和0.827. GPT-4的诊断性能与FLI和USFLI相当,AUROC值分别为0.831,0.817和0.827.
• 根据临床医生的评估,与GPT-3.5相比,GPT-4显示出更高的准确性,临床相关性和效率.
• 与放射科医生相比,GPT-4V在图像解释方面显示出潜力,但对MASLD的诊断准确性有限.

结论:

• GPT-4为MASLD提供了与传统风险评分相美的诊断性能,并增加了方便和多功能性的好处.
• 包括GPT-4V在内的LLM显示出在医疗保健中整合文本和视觉数据的巨大潜力,扩大了其实用性.
• 这些发现支持在临床实践中探索LLM作为MASLD识别和管理的有价值工具.