评估先进的人工智能算法在急性缺血性中风中的诊断效率:对ChatGPT-4o和Claude 3.5索内特模型进行比较分析

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 神经学 神经学

背景情况:

• 急性缺血性中风 (AIS) 是全球主要的死亡和残疾原因.
• 早期和准确的AIS诊断对于有效的治疗和患者的治疗结果至关重要.
• 正在探索先进的人工智能 (AI) 模型,用于医学成像中的诊断应用.

研究的目的:

• 评估ChatGPT-4o和Claude 3.5 Sonnet在从扩散加权成像 (DWI) 中识别AIS的诊断性能.
• 将这些AI模型的灵敏度,特异性和准确性与放射科医生的评估进行比较.
• 评估AI模型在大脑内定位AIS方面的能力.

主要方法:

• 一项回顾性研究分析了110个扩散权重成像 (DWI) 病例 (55个AIS,55个对照).
• 标准化的提示被用于输入DWI图像到ChatGPT-4o和Claude 3.5 Sonnet.
• 人工智能模型的输出与专家放射科医生建立的黄金标准进行了比较.

主要成果:

• 这两种AI模型都显示出AIS检测的高灵敏度 (ChatGPT-4o: 100%,克劳德3.5索内特:94.5%).
• 克劳德 3.5 索内特表现出明显更好的特异性 (74.5%) 和放射科医生同意 (κ=0.691) 比ChatGPT-4o (3.6%, κ=0.036).
• 与ChatGPT-4o相比,Claude 3.5 Sonnet在半球 (67.2%对32.7%) 和特定AIS定位 (30.9%对7.3%) 中表现出更高的准确性.

结论:

• 克劳德 3.5 索内特在诊断DWI的AIS方面显著超过了ChatGPT-4o.
• 目前的人工智能模型显示出前景,但在准确性方面存在局限性,并且需要进一步开发以进行临床部署.
• 人工智能工具在放射性诊断方面有潜力,但它们目前的功能需要谨慎应用.