评估使用大型语言模型在手术前预测HCC中微血管入侵的疗效:一个多中心研究
Zongren Ding1, Jianxing Zeng1, Guoxu Fang1
1Department of Hepatopancreatobiliary Surgery, Mengchao Hepatobiliary Hospital of Fujian Medical University, Jintang Road 66, Fuzhou, China.
Scientific reports
|July 29, 2025
概括
像ChatGPT 4o这样的大型语言模型在预测肝细胞癌 (HCC) 中的微血管入侵 (MVI) 方面表现有前途,优于传统模型. 这种人工智能的进步可以改善手术前规划和患者的结果.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 原发性肝癌,特别是肝细胞癌 (HCC),是一个重大的全球卫生挑战.
- 微血管入侵 (MVI) 是HCC的关键预后因素,但其手术前预测仍然很困难.
- 准确的MVI预测对于优化HCC手术规划和患者管理至关重要.
研究的目的:
- 评估大型语言模型 (LLM),特别是ChatGPT 4o在预测HCC患者MVI方面的有效性.
- 将ChatGPT 4o的预测性能与已建立的机器学习模型进行比较.
- 评估基于LLM的预测在分层患者生存结果中的有用性.
主要方法:
- 一项追溯性研究涉及300名经过治愈性肝切除的HCC患者.
- 使用的临床数据包括年龄,性别,HBV感染,肝硬化和AFP水平.
- 应用了ChatGPT 4o用于MVI预测,并将其性能与使用ROC曲线和AUC分析的随机森林,SVM,物流回归,XGBoost和决策树模型进行了比较.
主要成果:
- 在MVI预测中,ChatGPT 4o实现了0.755的曲线下面面积 (AUC).
- 这一性能明显优于几种传统的机器学习模型 (AUC范围:0.5340.624).
- 根据总生存率 (OS) 和无复发生存率 (RFS),LLM预测有效地对患者进行了分层.
结论:
- 大型语言模型,以ChatGPT 4o为例,在HCC中预测MVI方面显示出显著的潜力.
- 在HCC管理中,LLM提供了一种有前途的工具,可以提高手术前风险评估和手术规划.
- 这些人工智能进步可能会导致改善患者分层和个性化治疗策略.
