相关实验视频
Updated: May 1, 2026
05:44
Ultrasonographic Evaluation of Breast Cancer-related Lymphedema
Published on: January 12, 2017
10.0K
使用大型语言模型进行乳腺成像报告和数据系统分类和恶性病的预测,以提高乳腺超声波诊断:回顾性研究
Su Miaojiao1, Liang Xia1, Zeng Xian Tao1
1Department of Ultrasound, Fujian Provincial Hospital, Affiliated Hospital of Fuzhou University, 134 Dong Street, Gulou District, Fuzhou, 350500, China, 86 15960191609.
JMIR medical informatics
|June 11, 2025
概括
像ChatGPT-4这样的大型语言模型增强了乳房超声波BI-RADS分类一致性和恶性瘤预测,优于初级放射科医生并支持高级放射科医生.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 乳房超声波对于使用标准化BI-RADS分类来评估乳腺结节至关重要.
- 放射科医生之间观察者间的变异性可能会影响乳房超声波解释的诊断准确性.
- 大型语言模型 (LLM) 在医学成像解释方面表现有前途.
研究的目的:
- 评估使用LLM,特别是ChatGPT-4的可行性,以提高BI-RADS分类的一致性.
- 与放射科医生相比,评估ChatGPT-4在对乳腺结节的恶性瘤预测中的准确性.
- 确定LLM整合是否可以减少乳腺超声波报告中的诊断变异性.
主要方法:
- 追溯分析671名女性患者的乳腺结节超声波数据.
- 聊天GPT-4解释了BI-RADS分类,并预测了恶性瘤.
- 使用诊断指标,比较ChatGPT-4与高级和初级放射科医生的性能.
主要成果:
- 聊天GPT-4实现了96.87%的BI-RADS分类准确度,超过了初级放射科医生.
- 对于恶性瘤预测,ChatGPT-4的AUC为0.82,准确度为80.63%.
- 图像转化为文本的LLM模型显著提高了放射科医生的灵敏度和特异性 (P<.001).
结论:
- 将ChatGPT-4集成到图像到文本的工作流中可以提高乳房超声波中的BI-RADS分类准确性.
- 线程医学仪器可以作为决策支持工具,提高诊断一致性,减少放射科医生的变化.
- 聊天GPT-4在支持乳房超声波诊断和改善患者护理结果方面显示出潜力.
