基于大型语言建模的乳腺癌成像结构化报告生成:GPT-4和DeepSeek的比较分析
Kun Chen1, Xuefeng Hou2, Xiaofeng Li3
1Department of Nuclear Medicine, Zhejiang Cancer Hospital, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences, Hangzhou, Zhejiang 310022, China (K.C., H.Y.).
Academic radiology
|August 8, 2025
概括
GPT-4和DeepSeek的大型语言模型准确地生成结构化乳腺癌成像报告. 整合这些人工智能工具可以改善临床实践中的报告标准化和医生生产力.
科学领域:
- 放射学中的人工智能
- 医疗信息学 医疗信息学
- 瘤成像学成像学
背景情况:
- 乳腺癌的放射学报告缺乏标准化,阻碍了数据的整合和分析.
- 多模式成像 (乳房影像,超声波,MRI,PET/CT) 产生复杂的数据,需要结构化报告.
研究的目的:
- 为了比较GPT-4和DeepSeek大型语言模型 (LLM) 在生成结构化乳腺癌多模式成像综合报告中的性能.
- 评估LLM生成的结构化报告的准确性和医生满意度.
主要方法:
- 追溯分析了501名乳腺癌患者的1358份自由文本放射学报告.
- 将多式成像数据合成结构化报告 (损伤特征,转移,TNM分期).
- 根据医生满意度,描述性准确性和TNM分期正确性评估报告.
主要成果:
- 无论是GPT-4还是DeepSeek,都在提取和整合初级和转移性病变的数据方面表现出高准确度.
- 对于T-阶段,TNM分阶段的准确度超过92%;对于M-阶段,T-阶段的准确度超过94%.
- GPT-4在肺病变检测方面显示出更高的准确性,而DeepSeek在中腔转移的识别方面表现出色.
结论:
- GPT-4和DeepSeek有效地生成高精度的结构化乳腺癌成像报告.
- 这些LLM在临床实践中的整合预计将提高报告标准化和医生生产率.
