大型语言模型与人类读者在CAD-RADS 2.0中分类冠状动脉CT血管学报告
Won-Seok Yoo1,2, Jinwoo Son1, Jin Young Kim3
1Department of Radiology, Research Institute of Radiological Science, Severance Hospital, Yonsei University College of Medicine, 50-1 Yonsei-ro, Seodaemun-gu, Seoul, 03722, Korea.
一个新的AI模型,O1,从CT扫描中准确地分配冠状动脉疾病报告和数据系统 (CAD-RADS) 类别,匹配专家放射科医生. 这种人工智能工具显著加快了冠状动脉CT血管造影 (CCTA) 的报告过程.
科学领域:
- 医疗成像中的人工智能
- 放射学报告系统 放射学报告系统
- 心血管疾病评估评估
背景情况:
- 对冠状动脉疾病 (CAD) 的准确分类对于患者管理至关重要.
- 冠状动脉CT血管造影 (CCTA) 报告对于CAD诊断至关重要.
- 大型语言模型 (LLM) 显示了自动化医疗报告分析的潜力.
研究的目的:
- 评估LLM在冠状动脉疾病报告和数据系统 (CAD-RADS) 2.0类别和修改器的分配中的准确性.
- 使用现实世界的CCTA报告来比较LLM与人类读者的性能.
- 评估与人类解释相比,LLM的处理时间效率.
主要方法:
- 180份CCTA报告被随机选择,并由四个LLM (O1,GPT-4o,GPT-4,GPT-3.5-turbo) 和四个人类读者独立评估.
- 一个由两名专家心脏放射科医生的共识小组建立了CAD-RADS 2.0分类的参考标准.
- 作为输入提示,LLMs收到了CCTA报告和CAD-RADS 2.0摘要;使用McNemar测试进行准确性比较.
主要成果:
- 在完整的CAD-RADS分类中,O1获得了最高的准确性 (90.7%),超过了其他LLM和大多数人类读者.
- O1的准确性与经验丰富的心脏放射科医生相美,与两名住院医生相比没有显著差异.
- 在外部验证中,LLM比人类读者 (32.10-55.06秒) 处理报告的速度要快得多 (1.34-16.61秒);O1在外部验证中实现了95.7%的准确性.
结论:
- 该LLM O1在从CCTA报告中分配CAD-RADS 2.0类别方面表现出高准确性和效率.
- O1提供了与人类读者相比较或优越的性能,处理时间大大缩短.
- 在临床实践中,O1是提高CAD-RADS报告效率和一致性的有希望的工具.
更多相关视频
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
06:16Signal Acquisition, Score Interpretation, and Economics of a Non-Invasive Point-of-Care Test for Coronary Artery Disease
Published on: August 9, 2024
相关概念视频
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Imaging Studies for Cardiovascular System V: CT
Acute Coronary Syndrome III: Diagnostic Studies
