使用大语言模型解读BI-RADS免费的乳房MRI报告:自动化BI-RADS分类从使用ChatGPT的叙事报告中进行分类

科学领域:

• 放射学中的人工智能
• 医学成像分析 医学成像分析
• 临床决策支持系统 临床决策支持系统

背景情况:

• 自由文本乳腺磁共振成像 (MRI) 报告往往缺乏明确的BI-RADS分类.
• 从非结构化报告中标准化解释和管理建议对于患者护理至关重要.

研究的目的:

• 评估ChatGPT (GPT-4o) 在解读乳腺MRI自由文本报告中的性能.
• 评估其赋予BI-RADS类别和推临床管理的能力.
• 为了确定它在区分良性和可疑/恶性发现方面的准确性.

主要方法:

• 追溯分析352个乳房MRI报告,包括描述性发现.
• 聊天GPT被要求推断BI-RADS类别并建议临床步骤.
• 放射科医生的共识作为评估ChatGPT输出的参考标准.

主要成果:

• 对于特定的BI-RADS类别,中度一致 (科恩斯卡帕:0.510),对BI-RADS 5.的准确度最高.
• 在良性与恶性的二元分类中,几乎完全一致 (卡帕:0.843).
• 管理建议的100%一致性与分配的BI-RADS类别保持一致.

结论:

• 聊天GPT准确地解释非结构化乳腺MRI报告,用于良性/恶性歧视和管理建议.
• 人工智能工具显示出作为一个决策支持系统来标准化报告的潜力.
• 建议进行进一步的多机构前性研究以验证.