使用安全的机构大型语言模型进行MRI脊柱请求表格增强和自动编程
James Thomas Patrick Decourcy Hallinan1, Naomi Wenxin Leow2, Wilson Ong3
1Department of Diagnostic Imaging, National University Hospital, 5 Lower Kent Ridge Rd, Singapore 119074, Singapore; Department of Diagnostic Radiology, Yong Loo Lin School of Medicine, National University of Singapore, Singapore.
The spine journal : official journal of the North American Spine Society
|November 13, 2024
概括
一个安全的大型语言模型 (LLM) 显著改善了MRI脊柱请求表格上的临床信息. 在78.4%的病例中,LLM还准确地建议了正确的MRI协议,提高了放射科医生的工作流程.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 临床工作流的优化 临床工作流优化
背景情况:
- 安全的机构大语言模型 (LLM) 有潜力减轻放射科医生的非解释性任务.
- 简化诊断过程对于提高医疗保健效率至关重要.
研究的目的:
- 评估一个安全的机构LLM在增强MRI脊柱申请表的有效性.
- 评估LLM在自动协议MRI脊柱检查方面的能力.
主要方法:
- 对218名患者的250张脊柱MRI申请表进行了回顾性分析.
- 使用安全的机构LLM (第2.0条) 来增强临床信息并建议MRI协议.
- 经验丰富的肌肉骨放射科医生评价了信息的充分性和协议的准确性,并与共识标准进行了比较.
主要成果:
- 与原始形式 (46.8-58.8%) 相比,LLM增强形式显示临床信息的充分性明显更高 (93.6-96.0%).
- 在78.4%的案例中,LLM建议正确的MRI协议,显示出相当大的准确性.
- 该LLM擅长识别脊柱仪器 (95.1%),表现优于初级放射科医生.
结论:
- 使用安全的机构LLM显然提高了MRI脊柱请求表格上的临床信息的质量.
- 士学位准确建议MRI协议的能力有望优化MRI工作流程并减少放射科医生的工作量.


