评估基于ChatGPT的图像分析在预测从3个月评估的长期痕特征中的预测准确度 - 一项试点研究

科学领域:

• 医学技术 医学技术 医学技术
• 医学中的人工智能.
• 皮肤病学和整形外科

背景情况:

• 痕会对患者的生活质量产生负面影响.
• 传统的痕评估方法是主观和可变的.
• 需要客观的痕评估来改善患者的治疗结果.

研究的目的:

• 评估智能图像分析ChatGPT模型对痕特征的预测准确度.
• 将人工智能驱动的痕预测与实际结果进行比较.
• 评估模型在客观痕评估中的有用性.

主要方法:

• 40名整形手术患者的前性队列研究.
• 手术后3个月和12个月拍摄的痕图像.
• 聊天GPT模型预测了二进制 (好/坏) 和连续痕结果.
• 使用MAE,MSE,RMSE和R2进行评估的预测准确性.

主要成果:

• 该模型在二进制痕分类中实现了97.5%的准确性.
• 连续结果预测显示中等准确性 (MAE=0.65,MSE=0.9,RMSE=0.95). 结果预测显示中等准确性 (MAE=0.65,MSE=0.9,RMSE=0.95).
• 观察到痕高度 (0.857) 和宽度 (0.956) 的高R2值.
• 血管性预测显示相关性较低 (R2=0.234).

结论:

• 智能图像分析ChatGPT模型在二进制痕分类中表现出高准确度.
• 该模型提供了对静态痕特征如高度和宽度的宝贵见解.
• 需要进一步改进模型,以提高对动态特征 (如血管性) 的预测.