发囊镜中高级大语言模型的诊断性能:从回顾性研究和临床病例中得到的证据

科学领域:

• 人工智能在泌尿病学中的应用
• 医学图像分析 医学图像分析
• 诊断的准确性 诊断的准确性

背景情况:

• 人工智能 (AI) 在医疗诊断中的整合正在迅速发展.
• 大型语言模型 (LLM) 正在展示超越文字处理的能力,延伸到图像解释.
• 囊镜仍然是诊断各种泌尿病状况的基石.

研究的目的:

• 评估高级LLM在解释囊镜图像方面的诊断性能.
• 用人工智能驱动的对囊镜图像的分析来识别常见的泌尿病状况.
• 在这个诊断应用中比较不同LLM的准确性.

主要方法:

• 对101项手术中的603张囊镜像进行了回顾性分析.
• 两种最先进的LLM被用于图像解释.
• 为了确定准确性,LLM解释与已建立的临床诊断进行了系统的比较.

主要成果:

• 这两种LLM的综合诊断准确率达到89.2%.
• 聊天GPT-4V实现了82.8%的准确性,克劳德3.5索内特实现了79.8%的准确性.
• 精度因病情而异,在囊炎中表现高 (高达98.9%),在良性前列腺增生症 (BPH) 中表现较低 (约35%).

结论:

• 先进的LLM显示出在泌尿病诊断中作为辅助工具的潜力,特别是用于识别诸如囊炎等疾病.
• 在囊镜解释中,LLM的诊断准确性是可变的,在诸如BPH等条件下有显著的局限性.
• 进一步的研究和开发对于优化LLM至关重要,以提高泌尿病学的诊断准确性和效率.