大型语言模型,用于高效的全器官MRI得分报告和分类,用于膝关节骨关节炎
Yuxue Xie1, Zhonghua Hu2, Hongyue Tao1
1Department of Radiology & Institute of Medical Functional and Molecular Imaging, Huashan Hospital, Fudan University, Shanghai, China.
Insights into imaging
|May 14, 2025
概括
像GPT-4o这样的大型语言模型 (LLM) 可以准确地生成基于全器官MRI得分 (WORMS) 的膝盖MRI报告,并预测关节炎 (OA) 严重程度. 这些人工智能生成的报告提高了临床医生的效率和偏好,减轻了文档负担.
科学领域:
- 医疗成像中的人工智能
- 放射学和诊断成像 放射学和诊断成像
- 骨关节炎研究 骨关节炎研究
背景情况:
- 膝关节骨关节炎 (OA) 的诊断和管理依赖于详细的MRI分析.
- 手动生成基于全器官MRI得分 (WORMS) 的结构化报告是耗时的.
- 通过MRI准确预测OA的严重程度对于治疗计划至关重要.
研究的目的:
- 评估大型语言模型 (LLM) 在生成基于WORMS的膝盖MRI报告中的性能.
- 为了评估LLMs从MRI数据中预测膝关节OA严重性的能力.
- 在外科医生的偏好和效率方面,将LLM生成的报告与原始报告进行比较.
主要方法:
- 分析了疑似OA患者的160个膝盖MRI报告.
- 使用了GPT-4o和GPT-4o-mini,并使用了上下文知识 (ICK) 和思维链 (COT) 提示.
- 整形外科医生审查并将LLM生成的报告与原始报告进行比较.
主要成果:
- 在提取膝盖横向性时,GPT-4o实现了100%的准确性.
- 在WORMS报告生成 (93.9%与76.2%) 和OA严重程度预测 (98.1%与68.7%) 中,GPT-4o显著优于GPT-4o-mini.
- 外科医生更喜欢LLM生成的报告,发现它们更容易使用,并且花费更少的时间来审查它们.
结论:
- GPT-4o可以从自由文本输入生成基于WORMS的专家,多功能膝盖MRI报告.
- 由LLM生成的报告提高了临床工作流程的效率,并减少了文档负担.
- 整合LLMs有望提高膝关节OA管理的生产力.
