聊天GPT-4o,Grok-3和克劳德3.7索内特在区分脑脊柱角瘤和脑膜瘤中的比较性能:视觉与基于文本的诊断提示的试点研究
Ahmet Kursat Karaman1, Berkay Yılmaz2, Kerime Hatun Acar2
1Department of Radiology, Sureyyapasa Chest Diseases and Thoracic Surgery Training Hospital, Başıbüyük Mah. Hastane Yolu Cad, 34844, Istanbul, Turkey. kursat.karaman@istanbul.edu.tr.
Journal of imaging informatics in medicine
|January 6, 2026
概括
大型语言模型 (LLM) 在提供结构化成像功能时,在区分大脑角瘤方面显示专家级准确性. 使用原始图像的性能显著下降,这强调了人工智能诊断中对结构化数据的需求.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 大脑角 (CPA) 瘤,主要是脑膜瘤和脑瘤,带来了诊断挑战.
- 准确的区分对于适当的患者管理和治疗计划至关重要.
研究的目的:
- 评估高级大型语言模型 (LLM) 在区分CPA脑膜瘤与 schwannomas方面的诊断准确性.
- 用临床数据与原始图像相结合,与结构化成像特征进行LLM性能比较.
主要方法:
- 一项回顾性试点研究分析了53个CPA瘤 (28个脑膜瘤,25个脑膜瘤).
- 大型语言模型 (ChatGPT-4o,Grok-3,Claude 3.7 Sonnet) 使用原始图像,专家衍生结构特征或居民衍生结构特征处理临床数据.
- 传统的机器学习模型提供了性能基准.
主要成果:
- 凭借专家衍生的结构特征,LLMs获得了高准确度 (86.894.3%),GPT-4o达到94.3%,与专家神经放射学家 (92.5%) 相匹配.
- 居民衍生特征 (71.773.6%) 的表现下降,原始图像 (18.952.8%) 的表现明显下降.
- LLM显著优于具有专家特征的住院医生 (p=0.021),但表现比使用原始图像的放射科医生 (p<0.05) 更差.
结论:
- 大型语言模型,特别是GPT-4o,当具有结构化成像功能时,可以实现CPA瘤的专家级诊断性能.
- 结构化的提示对于有效的临床LLM应用至关重要,因为原始图像分析仍然有限.
- 这凸显了LLM在医学诊断中的潜力,这取决于数据质量和输入格式.
