用GPT-4o微调视力从心电图估计LVEF:人工智能驱动的心脏诊断中的新方法

科学领域:

• 心脏病学和人工智能的人工智能
• 医学诊断 医学诊断 医学诊断
• 图像分析 图像分析

背景情况:

• 左心室喷射分数 (LVEF) 评估对于诊断心功能减弱至关重要.
• 心声谱 (ECHO) 并非总是可访问的,可能会延迟关键的心脏治疗.
• 电心电图 (ECG) 提供了一个具有成本效益的替代方案,但专门用于LVEF估计的AI可能是复杂而昂贵的.

研究的目的:

• 评估GPT-4o微调视觉 (GPT-4o-FTV),一种通用AI,用于检测从心电图像中≤35%的LVEF.
• 将GPT-4o-FTV的诊断性能与卷积神经网络 (CNN) 和人类临床医生的评估进行比较.
• 探索易于适应的AI模型在心脏诊断中的实用性.

主要方法:

• 在三级医疗中心对202名患者 (不包括起器) 的高质量心电图进行分析.
• GPT-4o-FTV在20个标记的ECG上接受了训练,并在四个运行中使用结构化提示符进行了测试.
• 性能指标 (精度,灵敏度,特异性,F1得分,PPV) 在GPT-4o-FTV,CNN模型和四名临床医生之间进行了比较.

主要成果:

• GPT-4o-FTV实现了79.9%的准确性,超过了临床医生 (74.9%),但没有达到CNN模型 (89.1%).
• 与临床医生相比,GPT-4o-FTV表现出更高的灵敏度 (72.9%) 和特异性 (80.8%),分别为65.6%和76.1%).
• 在所有指标上,CNN模型的表现最高,包括精度,灵敏度,特异性,F1得分和PPV.

结论:

• GPT-4o-FTV显示出作为心脏诊断的可访问工具的巨大潜力,特别是在资源有限的环境中.
• 轻松微调GPT-4o-FTV提供了实际优势,尽管CNN模型目前提供了卓越的精度.
• 未来的研究应该涉及更大的数据集和进一步的优化,以提高GPT-4o-FTV在检测LVEF下降预测因子方面的能力.