通过使用GPT-4将胰腺癌混合语言自由文本CT报告转换为国家综合癌症网络结构化报告模板

科学领域:

• 医疗成像中的人工智能
• 在放射学中使用自然语言处理.
• 瘤学决策支持支持

背景情况:

• 胰腺管道腺癌 (PDAC) 诊断依赖于详细的CT成像报告.
• 混合语言 (英语/韩语) 的叙事报告对自动化分析提出了挑战.
• 标准化结构化报告 (SR) 对于一致的临床决策至关重要.

研究的目的:

• 评估GPT-4 Turbo和GPT-4o在从混合语言PDAC CT报告中生成结构化报告 (SR) 的可行性.
• 根据NCCN指南,评估GPT-4模型在PDAC瘤切除能力分类中的准确性.
• 为了比较GPT-4 Turbo和GPT-4o在这些任务中的性能.

主要方法:

• 从两个机构 (2021年1月至2023年12月) 的115个混合语言胰腺-协议CT报告 (英语/韩语) 的回顾性分析.
• 提示GPT-4 Turbo和GPT-4o模型生成SR并对瘤切除能力进行分类.
• 模型输出与放射科医生衍生的参考标准进行了比较,三次复制和多数投票为最终输出.

主要成果:

• 在SR生成方面,GPT-4 Turbo和GPT-4o的准确性相似 (分别为92.3%和92.2%).
• 与GPT-4o (67.0%) 相比,GPT-4 Turbo在切除能力分类方面显示出明显更高的准确性 (81.7%).
• GPT-4 Turbo的主要错误涉及SR生成中的数据提取不准确以及违反切除标准.

结论:

• GPT-4 Turbo和GPT-4o显示出从混合语言PDAC CT叙述生成基于NCCN的结构化报告的潜力.
• 由于模型的局限性,人类放射科医生的审查对于准确的切除能力确定是不可或缺的.