人工智能聊天机器人使用纵向CT图像对肺结节的评估
Yuqiang Mao1, Nan Xu2, Yanan Wu2
1Department of Thoracic Surgery, Shengjing Hospital of China Medical University, Shenyang, Liaoning 110004, China.
Cell reports. Medicine
|March 5, 2025
概括
生成式预训练变压器 (GPT) -4o在CT扫描上准确评估肺结节的变化. 这种人工智能工具通过预测恶性瘤和测量大小来帮助放射科医生,改善肺结节的临床管理.
科学领域:
- 医疗成像中的人工智能
- 放射学和医学诊断 医学诊断
背景情况:
- 大型语言模型 (LLM) 在各种医疗应用中显示出潜力.
- 在分析肺结节的纵向计算机断层扫描 (CT) 时,LLM的实用性仍然在很大程度上未被探索.
研究的目的:
- 评估生成预训练变压器 (GPT) -4o模型在纵向CT图像上评估肺结节的性能.
- 确定GPT-4o在评估随时间变化的恶性瘤概率,大小和肺结节的特征方面的能力.
主要方法:
- 利用了647名患者的纵向CT扫描 (547名本地,100名公共数据集).
- 评估了GPT-4o在预测肺结节恶性瘤中的准确性.
- 测量了GPT-4o在结节大小测量的性能,与手动放射科医生测量相比.
- 从六名放射科医生收集了关于GPT-4o识别结节特征变化的能力的定性反.
主要成果:
- 在预测肺结节恶性瘤方面,GPT-4o的平均准确率为0.88.
- 与放射科医生相比,结节大小测量得到了0.91的平均类内相关系数.
- 放射科医生对GPT-4o捕捉结节变化的能力进行了评分,其中位数的利克特得分为5.00分之4.17.
结论:
- 在连续CT成像中,GPT-4o有效地分析了肺结节的动态变化.
- 该模型提供了可靠的放射性证据,支持肺结节管理的临床决策.
