将GPT-4o集成到神经外科数据挖掘中:可行性和概念验证研究
Arthur Henrique Almeida Sales1, Jürgen Beck1, Jürgen Grauvogel1
1Department of Neurosurgery, Faculty of Medicine, University of Freiburg, Breisacher Str. 64, Freiburg, 79106, Germany, 49 761-270 ext 50010.
JMIR formative research
|March 11, 2026
概括
在从神经外科报告中提取结构化数据时,GPT-4o显示出高准确度,特别是在快速改进后. 需要进一步的研究来确认其更广泛的临床可靠性.
科学领域:
- 人工智能在医学中的应用
- 临床数据提取
- 神经外科信息学 神经外科信息学
背景情况:
- 大型语言模型 (LLM) 为结构化临床文本提供了潜力.
- 在神经外科等专业领域的LLM表现需要进一步的描述.
- 对于神经外科报告数据提取,GPT-4o的准确性尚未得到充分证实.
研究的目的:
- 评估GPT-4o的可行性和准确性,用于从神经外科报告中提取结构化数据.
- 评估不同变量类型的准确性和快速改进的影响.
- 探索GPT-4o对神经外科研究数据挖掘的实用性.
主要方法:
- 追溯研究10名前庭神经瘤患者的神经外科报告.
- 使用GPT-4o进行数据提取,使用零射击和精细提示.
- 由两名神经外科医生进行独立验证,并由高级神经外科医生解决差异.
主要成果:
- 在简单的结构变量 (如患者ID,诊断) 中,GPT-4o实现了100%的准确性.
- 在迅速改进后,解释变量的准确性从50%提高到90-100%.
- 平均准确度因变量类型而异:分类 (97.5%),二进制 (80%),条件文本 (66.7%).
结论:
- GPT-4o显示了从标准化神经外科报告中进行结构化数据提取的可行性.
- 在受控环境中观察到高精度;更广泛的可靠性需要进一步调查.
- 多机构和多语言研究是必要的,以确定概括性和临床整合潜力.
