通过人工智能确定前列腺癌的阶段:对大型语言模型的比较研究和PSMA PET-CT报告的专家解释
Rashad Ismayilov1, Ayse Aktas2, Esra Arzu Gencoglu2
1Department of Medical Oncology, Baskent University, Faculty of Medicine, Ankara, Türkiye. ismayilov_r@hotmail.com.
Molecular imaging and biology
|December 5, 2025
概括
大型语言模型 (LLMs) 从PSMA PET-CT报告中准确地确定前列腺癌的阶段. 这项技术有助于数据自动化和瘤学研究加速.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 准确的前列腺癌分期对于治疗决策至关重要.
- 非结构化的PSMA PET-CT报告限制了大规模数据分析.
- 大型语言模型 (LLM) 显示出从临床报告中提取结构化数据的潜力.
研究的目的:
- 评估使用LLM用于前列腺癌分期的多步临床推理的可行性.
- 从PSMA PET-CT报告评估双子座2.5 Pro和ChatGPT 4o在前列腺癌分期中的性能.
主要方法:
- 80个土耳其PSMA PET-CT报告被Gemini 2.5 Pro和ChatGPT 4o分析.
- 法律法规使用了结构化的提示,嵌入了知识 (AJCC/CHAARTED标准) 和一些简单的例子.
- 对T,N,M阶段和疾病体积的分类与专家分期进行了基准对比.
主要成果:
- 双子 2.5 Pro 实现了 93.8% 的精度和 0.910 kappa 的复合分期.
- 聊天GPT 4o实现了91.3%的精度和0.874卡帕的复合分期.
- 两种LLM都超过了N和M分期的95%准确度,显示出近乎完美的一致性.
结论:
- 专家指导的LLM可以从自由文本PSMA PET-CT报告中准确地确定前列腺癌的阶段.
- 作为自动化数据提取和加速研究的辅助工具,LLM显示出有前途的潜力.
- 这种方法可以提高瘤数据管理的质量保证.


