相关实验视频
Updated: Jun 20, 2026
14:05
One Dimensional Turing-Like Handshake Test for Motor Intelligence
Published on: December 15, 2010
27.7K
基于人工智能的聊天GPT模型可以准确分析手腕X射线图吗? 一个比较研究
Ahmet Yıldırım1, Orhan Cicek1, Yavuz Selim Genç2
1Department of Orthodontics, Faculty of Dentistry, Zonguldak Bulent Ecevit University, Zonguldak 67600, Türkiye.
Diagnostics (Basel, Switzerland)
|June 26, 2025
概括
大型语言模型 (LLM) 在预测骨年龄和生长阶段方面表现有前途,为传统方法提供了切实可行的替代方案. 虽然这些人工智能工具并不能取代临床检查,但它们显示出在牙矯正中进行初步评估的潜力.
科学领域:
- ортодонтика和牙科人类学
- 人工智能在医学中的应用
- 放射学分析 放射学分析
背景情况:
- 准确的骨质年龄评估对于正义牙科治疗计划至关重要.
- 传统的方法和深度学习模型需要大量的基础设施和培训.
- 大型语言模型 (LLM) 提供了一个潜在的基础设施独立的替代方案.
研究的目的:
- 评估基于LLM的聊天机器人系统 (ChatGPT) 在预测骨年龄和生长阶段方面的有效性.
- 探索LLM作为现有方法的实用,基础设施独立的替代方案.
- 将LLM性能与传统方法和卷积神经网络 (CNN) 模型进行比较.
主要方法:
- 三个ChatGPT模型 (GPT-4o,GPT-o4-mini-high,GPT-o1-pro) 分析了90张匿名的手腕X射线图.
- 放射图代表了高峰前,高峰后和高峰后的生长阶段,性别分布均.
- 专家正牙医使用Fishman的SMI系统和Greulich-Pyle Atlas建立了参考标准.
主要成果:
- 所有LLM都在骨老预测方面表现出显著的一致性 (p < 0.001);GPT-o1-pro显示出最高的一致性 (r=0.546).
- GPT-o4-mini-high在骨年龄 ±2年偏差内实现了72.2%的准确性.
- 对于生长阶段分类,GPT-4o表现出最高的一致性 (κ=0.283,p < 0.001).
结论:
- 一般用途的LLM可以帮助预测骨年龄和生长阶段,每一个都有独特的优势.
- 在没有特定领域培训的情况下,LLM提供了上下文推理和初步评估能力.
- 需要进一步的开发,但LLM显示潜在的辅助工具在牙矯正,补充临床检查.
