从放射学报告中提取和整理数据,用于使用大型语言模型监测胰腺囊
Ankur P Choubey1, Emanuel Eguia1, Alexander Hollingsworth2
1Department of Surgery, Memorial Sloan Kettering Cancer Center, New York, New York.
Journal of the American College of Surgeons
|July 10, 2025
概括
大型语言模型 (LLM) 可以准确地从放射学报告中提取胰腺囊监测的放射特征. 这项技术可以为纵向研究和潜在的人工智能驱动的监测模型提供高效的数据策划.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 从胰腺囊登记册中手动提取数据是劳动密集型的,并阻碍了广泛实施.
- 自动提取放射特征对于有效的胰腺囊的纵向评估至关重要.
研究的目的:
- 评估使用大型语言模型 (LLM) 来从放射学报告中提取临床变量的可行性和准确性.
- 评估LLM在脏囊监测数据的策划方面的表现.
主要方法:
- 一项回顾性研究利用LLMs (GPT-4) 采用零射击学习方法,从991名患者的3198次扫描中提取9个X光学元素.
- 通过LLM提取的数据与手动注释的机构囊数据库进行了比较,作为基本事实.
主要成果:
- 在提取与胰腺囊进展相关的分类变量 (97%-99%) 和连续变量 (92%-97%) 中,LLM表现出很高的准确性.
- 囊大小的准确度为92% (科恩的卡帕0.92) 和主要胰腺管道大小为97% (科恩的卡帕0.82).
- 对于关于囊数量的多类变量,观察到的准确度最低 (81%).
结论:
- 在LLM中,可以准确可靠地从放射学报告中提取数据,用于胰腺囊监测.
- 这项技术有助于组装纵向数据库,并可能使基于人工智能的监控模型的开发成为可能.
