生成型人工智能成功自动化从非结构化磁共振成像报告中提取数据:前列腺癌护理中的可行性

科学领域:

• 尿道瘤学 尿道瘤学
• 医疗信息学 医疗信息学
• 人工智能在医学中的应用

背景情况:

• 在EHR中的纯文本放射学报告阻碍了计算分析.
• 大型语言模型 (LLM) 对非结构化文本有希望,但在泌尿外科瘤学中未得到充分利用.
• 前列腺MRI报告包含患者护理和研究的关键数据.

研究的目的:

• 开发和评估使用GPT-4.0的管道,从前列腺MRI报告中提取数据.
• 为了比较GPT-4.0提取的数据与手动抽象黄金标准的准确性.
• 在临床环境中评估GPT-4.0的可变性和准确性.

主要方法:

• 一个安全的全企业部署的OpenAI的GPT-4.0被用来处理前列腺MRI报告.
• 一个数据管道被设计为每份报告自动提取15个关键数据元素.
• 通过多次发送相同的报告来评估响应的变化;准确性与手动抽象进行了比较.

主要成果:

• 在424份前列腺MRI报告中,GPT-4.0实现了一致的高精度 (>95%).
• 对于PSA密度和TNM阶段等关键指标,单个数据元素的准确度超过95%.
• 响应的变化率从0.14%到3.61%不等,更高的准确度与更低的变化率相关.

结论:

• 对于从前列腺癌MRI报告中提取数据,GPT-4.0显示出高精度和低可变性.
• 管道需要最小的预先编程,使其成为一个高效的工具.
• 这种方法可以加快医学数据提取,用于泌尿瘤学的临床和研究应用.