在脑瘤诊断和MRI发现中ChatGPT-4o的性能:与放射科医生的比较分析

科学领域:

• 医疗成像中的人工智能
• 机器学习用于诊断支持
• 放射学和神经瘤学

背景情况:

• 大型语言模型 (LLM) 越来越多地被用于医学应用.
• 评估AI在解释复杂的医学成像 (如MRI) 的表现至关重要.
• 脑瘤诊断严重依赖于对磁共振成像 (MRI) 结果的准确解释.

研究的目的:

• 评估ChatGPT-4o在识别脑瘤MRI发现中的诊断准确性.
• 将ChatGPT-4o的诊断性能与经验丰富的放射科医生进行比较.
• 评估ChatGPT-4o在病变识别,表征和差异诊断方面的能力.

主要方法:

• 对46个手术前MRI扫描的回顾性分析,这些扫描来自确诊脑瘤的患者.
• 两个经验丰富的放射科医生和ChatGPT-4o对匿名的MRI图像进行了独立评估.
• 使用统计分析 (准确性,敏感性,特异性) 将AI和放射科医生对病理结果的反应进行比较.

主要成果:

• 聊天GPT-4o在病变识别方面取得了高准确性 (95.7%),并且在识别MRI序列 (88.3%),胀 (81%),信号特征 (79.5%) 和对比度增强 (82.2%) 方面表现出熟练.
• 然而,ChatGPT-4o在病变定位 (53.6%) 和区分病变类型 (26.3%) 中表现出显著的限制.
• 与放射科医生 (93.2-90.9%,70.5-65.9%) 相比,ChatGPT-4o (56.8%,29.5%) 的差异诊断和最有可能诊断的诊断准确性明显较低.

结论:

• 虽然ChatGPT-4o擅长识别特定的MRI特征,但它目前对脑瘤的诊断能力落后于经验丰富的放射科医生.
• 该研究强调了LLM在诊断过程中提供支持和在放射学中提供补充意见的潜力.
• 进一步开发人工智能模型是必要的,以克服当前的局限性,并加强其在临床决策中的作用.