评估大型语言模型在解释MRI报告和推治疗静脉小胞瘤的治疗

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能
• 神经外科 神经外科

背景情况:

• 患者使用大型语言模型 (LLM) 来获取医疗信息正在增加.
• 人工智能在医疗保健中的作用正在调查中,预计需求将不断增长.
• 静脉瘤 (VS) 的诊断和治疗是AI评估的关键领域.

研究的目的:

• 根据MRI报告,比较GPT-4,Gemini和Bing对VS的诊断准确度.
• 为了评估和对比AI驱动的治疗建议VS患者.
• 评估人工智能工具在患者驱动的VS医疗咨询中的实用性.

主要方法:

• 35名VS患者的匿名MRI报告的回顾性分析.
• 将德国MRI报告翻译成英语,用于AI分析.
• 用于查询GPT-4,Gemini和Bing进行诊断和治疗的标准化提示.

主要成果:

• 对于VS,GPT-4实现了最高的诊断准确率 (97.14%),其次是双子座 (88.57%) 和Bing (85.71%).
• GPT-4提供了最准确的治疗建议 (57.1%),表现优于Gemini (45.7%) 和Bing (31.4%).
• 与Bing (51.4%) 和Gemini (45.7%) 相比,GPT-4的外科推准确率为60%.

结论:

• 在解释VSMRI报告和推治疗方面,GPT-4显著优于双子座和Bing.
• 人工智能工具表现出良好的诊断准确性,但治疗建议比跨学科瘤板更不精确.
• 这项研究强调了人工智能对患者医疗信息和决策的影响越来越大.