大型语言模型在协助PI-RADS对前列腺双参数MRI评分方面的局限性 文字报告

科学领域:

• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能
• 前列腺癌诊断的诊断方法

背景情况:

• 前列腺癌 (PCa) 是全球的主要健康问题.
• 前列腺成像报告和数据系统 (PI-RADS) MRI对于风险分层至关重要.
• 在PI-RADS评分中,读者之间的变化会影响诊断的一致性,特别是在具有挑战性的区域和不同经验水平的地区.
• 大型语言模型 (LLM) 提供了标准化医疗报告和提高诊断一致性的潜力.

研究的目的:

• 评估LLM在协助前列腺成像报告和数据系统 (PI-RADS) 从双参数MRI报告得分方面的表现.
• 将LLM绩效与具有不同经验水平的放射科医生进行比较.
• 用多变量逻辑回归来确定前列腺癌 (PCa) 和临床显著PCa (csPCa) 的独立预测因子.

主要方法:

• 对210名患者的回顾性分析,这些患者接受了疑似PCa的跨膜活检.
• 独立的PI-RADS v2.1评分由三个放射科医生和两个LLMs (DeepSeek,ChatGPT-4.1) 在匿名的MRI报告.
• 使用活检结果进行诊断性能评估,计算灵敏度,特异性,PPV,NPV和AUC.
• 根据病变位置 (边缘与过渡区) 的子组分析和与PI-RADS值≥3和≥4.4的参与者级分析.
• 临床实用性的决策曲线分析和用于预测因子识别的多变量逻辑回归.

主要成果:

• 高级放射科医生获得了最高的诊断性能 (PCa的AUC为0.847,csPCa为0.859).
• 与人类读者相比,LLM表现出高灵敏度,但特异性和积极预测值 (PPV) 显著较低.
• 高级放射科医生在过渡区的表现优于LLM;LLM在外围区域显示高灵敏度但低特异性.
• 一个PI-RADS值≥4提高了所有读者的特异性,高级放射科医生的得分显示了最高的临床效用.
• 血蛋白密度是PCa和csPCa最强的独立预测因素;只有高级放射科医生的PI-RADS得分保留了独立的预测价值.

结论:

• 对PCa和csPCa检测来说,LLM具有很高的灵敏度,但缺乏特异性,特别是在特定的MRI区域.
• 最好将LLM作为未确定病例的辅助或具有更高PI-RADS值 (≥4) 的辅助.
• 经验丰富的放射科医生表现出卓越的诊断性能,强调需要谨慎的LLM实施.
• 未来的研究应该专注于提高LLM的特异性和可靠性,可能通过与人类专业知识的整合来提高诊断准确性和效率.