在基于光学一致性断层扫描的异常性视网膜分类中,ChatGPT-4o的诊断性能
Tadanobu Sato1, Taro Kuramoto1
1Department of Ophthalmology, Uonuma Kikan Hospital, Minamiuonuma 949-7302, Niigata, Japan.
Journal of clinical medicine
|January 10, 2026
概括
聊天GPT-4o在使用光学连贯断层扫描 (OCT) 图像对视网膜 (ERM) 的分类方面与眼科医生达成中度一致. 虽然有限,但人工智能在识别视网膜结构方面表现出潜力,突出了眼科解读当前的LLM能力.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 大型语言模型 (LLM) 在多式联络医疗图像解释方面表现有前途.
- 在分类眼科疾病,特别是视网膜膜 (ERM) 的LLMs的协议在很大程度上未被探索.
- 使用光学连贯断层扫描 (OCT) 的异常ERM分类对于患者管理至关重要.
研究的目的:
- 为了评估ChatGPT-4o的协议,一个多式联络LLM,在使用基于Govetto分类的OCT图像对异常ERM进行分类.
- 评估ChatGPT-4o在识别眼部疾病和ERM分期方面的能力.
- 为了确定与ChatGPT-4o和眼科医生之间的分歧相关的因素.
主要方法:
- 来自OCT扫描的250只具有异常ERM的眼睛的回顾性分析.
- 两个蒙面眼科医生和ChatGPT-4o. 通过OCT图像的独立分类.
- 使用权重科恩的卡帕和后勤回归来评估协议.
主要成果:
- 聊天GPT-4o与眼科医生达成了一项适度的协议 (加权 κ = 0.513),用于Govetto ERM的分期.
- 对于ERM分阶段的完美协议率为46.0%.
- 不一致与异宫内叶层 (EIFL) 的存在有显著关联.
结论:
- 聊天GPT-4o在通过OCT对异常病性ERM进行分类时,与专家眼科医生有中等的共识.
- 该LLM在识别视网膜结构方面表现出部分能力,这表明眼科图像分析目前的局限性和未来发展的潜力.
