深度搜索辅助的LI-RADS分类:在肝细胞癌诊断中以人工智能驱动的精度
Jun Zhang1, Jinpeng Liu1, Mingyang Guo2
1Department of Radiology, The First Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, Zhejiang Provine, P.R.China.
International journal of surgery (London, England)
|June 24, 2025
概括
DeepSeek-V3 (DSV3) 模型显著提高了肝脏成像报告和数据系统 (LI-RADS) 的分类准确性,特别是在具有挑战性的类别中. 这种人工智能工具展示了与高级放射科医生的专业知识相匹配的潜力,有助于标准化肝细胞癌诊断.
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
- 肝细胞癌 (HCC) 检测检测
背景情况:
- 人工智能模型对肝脏成像报告和数据系统 (LI-RADS) 分类的临床实用性尚未得到充分证实.
- 准确的LI-RADS分类对于管理肝病变至关重要,特别是在患有肝细胞癌 (HCC) 高风险的患者中.
研究的目的:
- 在LI-RADS分类中评估DeepSeek-V3 (DSV3) 模型的诊断性能.
- 为了将DSV3的准确性与不同经验水平的放射科医生进行比较.
- 评估DSV3作为HCC诊断临床决策支持工具的潜力.
主要方法:
- 一项追溯前性研究分析了使用MRI或CT的高风险HCC患者的426个肝病变.
- 不结构化的放射学报告由DSV3和三名放射科医生 (一名初级,两名高级) 使用LI-RADS v2018标准进行分析.
- 性能与病理学作为黄金标准进行了比较,前性分析包括中文和英语输入.
主要成果:
- 在具有挑战性的LR-3,LR-4和LR-5类别中,DSV3显著超过了初级放射科医生.
- 该模型在所有LI-RADS类别中与高级放射科医生实现了诊断平价.
- 无论输入语言 (中文与英语) 是什么,DSV3 显示出一致的性能.
结论:
- DSV3模型提高了LR-3到LR-5分类的诊断准确性,特别是对于初级放射科医生来说.
- 它的语言独立性能和与高级专业知识相匹配的能力表明其临床实施的巨大潜力.
- DSV3可以帮助标准化HCC诊断和优化治疗决策.
