皮肤学图像解释的大型语言模型 - - 一项比较研究
Lasse Cirkel1,2, Fabian Lechner1,2, Lukas Alexander Henk2,3
1Institute of Artificial Intelligence, University Hospital Gießen-Marburg, Philipps University, Marburg, Germany.
Diagnosis (Berlin, Germany)
|May 27, 2025
概括
大型语言模型 (LLM) 显示出从图像中诊断常见皮肤疾病的潜力,GPT-4o实现了最高的准确性. 然而,性能各不相同,这凸显了需要谨慎使用和进一步开发可靠的临床决策支持的需要.
科学领域:
- 皮肤病学中的人工智能
- 医学图像分析 医学图像分析
- 临床决策支持系统 临床决策支持系统
背景情况:
- 解读皮肤学发现对公众和医疗专业人士来说都是一个挑战.
- 大型语言模型 (LLM) 提供了可访问的诊断支持的潜力,但它们在皮肤病学中的有效性尚未得到充分证实.
研究的目的:
- 用皮肤学图像评估各种多式联络LLM的诊断性能.
- 为了比较不同LLMs在识别常见皮肤疾病的准确性.
主要方法:
- 分析了50张皮肤学图像,其中包括牛皮,白风,疹和疹.
- 七个多模式LLM,包括GPT-4o,Gemini 1.5 Pro和Claude 3.5 Sonnet,使用标准化提示符进行了测试,用于顶级诊断生成.
主要成果:
- GPT-4o获得了最高的整体精度 (67.8%),其次是GPT-4o mini (63.8%) 和Llama3.2 11B (61.4%).
- 诊断准确度在各病症之间有所不同,牛皮显示最高的平均LLM准确度 (59.2%) 和疹最低 (33.4%).
- 清晰的疾病特征提高了LLM准确性,而Llama3.2 90B则拒绝诊断私密区域的图像.
结论:
- 皮肤学图像诊断中的LLM性能是可变的,需要仔细应用.
- 一个免费的,可在本地部署的LLM实现了大约66%的准确性,表明了安全,可访问的临床工具的潜力.
- 提高LLM准确性和整合临床数据可以增强诊断支持系统.
