评估多式大型语言模型的临床实用性,以从视网膜成像中检测与年龄相关的黄斑变性

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 与年龄相关的黄斑变性 (AMD) 是老年人视力丧失的主要原因.
• 准确及时诊断AMD对于有效管理至关重要.
• 多模式大语言模型 (MLLMs) 是新兴的人工智能工具,在医学诊断中具有潜在的应用.

研究的目的:

• 评估四个领先的MLLM在使用超宽场 fundus图像检测和分级AMD严重性的表现.
• 将这些模型的准确性,灵敏性和特异性与人类专家的分级进行比较.

主要方法:

• 对76名患有不同阶段的AMD的患者 (136只眼睛) 的回顾性分析.
• 视网膜专家使用与年龄相关的眼病研究 (AREDS) 分类对 fundus 图像进行独立分级.
• 提示四个MLLM (ChatGPT-4o,克劳德3.5索内特,谷歌双子 1.5 Pro,困惑声纳大) 带有图像和标准化查询进行AMD评估.

主要成果:

• 在二进制AMD分类中,ChatGPT-4o获得了最高的准确度 (0.824),紧随其后的是Perplexity Sonar Large (0.815).
• 困惑声纳大显示在严重程度分级 (0.463) 的最高准确度,尽管差异不是统计学上显著的.
• 聊天GPT-4o在开放式和多选项诊断任务中表现出色.

结论:

• MLLMs显示出自动化AMD检测和从骨髓图像进行分级的前景.
• 目前的MLLM性能不足以直接临床应用.
• 需要进一步开发和验证,以提高人工智能工具对AMD诊断的可靠性.