多模式GPT模型,以协助甲状腺结节的诊断和管理
Jincao Yao1,2,3,4, Yunpeng Wang5, Zhikai Lei6
1Department of Diagnostic Ultrasound Imaging & Interventional Therapy, Zhejiang Cancer Hospital, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences, Hangzhou, China.
NPJ digital medicine
|May 3, 2025
概括
甲状腺结节风险评估通过透明的人工智能 (AI) 工具ThyGPT得到了改进. 这种人工智能副驾驶将不必要的活检减少40%以上,并提高了放射科医生的诊断准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 分析甲状腺超声波图像的传统人工智能 (AI) 模型缺乏透明度和可解释性.
- 准确的甲状腺结节风险评估对于适当的患者管理至关重要.
研究的目的:
- 开发和评估ThyGPT,一种用于甲状腺结节的多式生成预训练变压器.
- 为甲状腺结节风险评估和管理提供透明和可解释的AI副驾驶员.
主要方法:
- 从九家医院的59,406名患者的超声波数据的回顾性收集.
- 开发和测试ThyGPT模型,一个人工智能生成的内容增强的计算机辅助诊断 (AIGC-CAD) 模型.
主要成果:
- 在没有增加错误诊断的情况下,ThyGPT有助于将活检率降低40%以上.
- 人工智能副驾驶员在超声波报告中检测出错误的速度是人类审查的1,610倍.
- 放射科医生的诊断性能有所改善,曲线下的面积从0.805增加到0.908 (p < 0.001).
结论:
- ThyGPT为甲状腺结节风险评估提供了一个透明和可解释的AI解决方案.
- AIGC-CAD模型有可能显著提高放射科医生在治疗甲状腺结节方面的能力.
