大型语言模型支持的血栓切除术决策在急性缺血性中风基于放射学报告:可行性定性研究
Jonathan Kottlors1, Robert Hahnfeldt1, Lukas Görtz1
1Institute for Diagnostic and Interventional Radiology, Faculty of Medicine and University Hospital Cologne, University of Cologne, Cologne, Germany.
Journal of medical Internet research
|February 13, 2025
概括
大型语言模型 (LLM) 在帮助急性缺血性中风 (AIS) 的医疗决策方面表现有前途. 这种人工智能工具使用放射学报告和临床数据准确评估了机械血栓切除术 (MT) 的资格.
科学领域:
- 人工智能在医学中的应用
- 在医疗保健中的自然语言处理.
背景情况:
- 生成型预训练变压器大语言模型 (LLM) 代表了人工智能的重大进步,能够像人类一样做出文本响应.
- 虽然LLM为医疗数据集成和临床决策提供了潜力,但其具体应用仍在研究中.
研究的目的:
- 评估在急性缺血性中风 (AIS) 中使用LLM用于医疗决策的可行性.
- 评估使用LLMs的机械血栓切除术 (MT) 治疗决策的放射学报告和临床数据的整合.
主要方法:
- 一项回顾性研究包括100名AIS患者,其中50%用于MT.
- 一位法学士分析了计算机断层扫描报告,神经症状,发病信息和患者年龄.
- 人工智能模型的性能与专家的共识进行了对比,计算了灵敏度,特异性和准确性.
主要成果:
- 人工智能模型实现了88%的整体准确性,96%的特异性和80%的MT指示灵敏度.
- 基于报告的MT决定曲线下的面积为0.92.2.
结论:
- 根据综合数据,LLM在确定AIS患者的MT资格方面表现出有希望的准确性.
- 这些发现凸显了LLM在放射和医疗数据整合方面的潜力.
- 该研究表明,LLM可以在临床实践中充当增强的决策支持系统.
