Please enable JavaScript.
Coggle requires JavaScript to display documents.
GPT-4在纵隔肿瘤影像报告解读中的应用研究 - Coggle Diagram
GPT-4在纵隔肿瘤影像报告解读中的应用研究
研究背景
传统诊断存在问题
AI技术的发展
纵隔肿瘤诊断困难
研究目的
评估 GPT-4 在纵隔肿瘤分类中的诊断能力
比较 GPT-4 与不同经验水平放射科医生的诊断准确率
分析 影像报告质量对诊断结果的影响
分析 GPT-4 在 不同肿瘤类型中的表现差异
研究设计
研究类型
回顾性研究
研究对象
1494例纵隔肿瘤患者
5家三级医院
2012–2023年
诊断标准
病理检查确认
肿瘤分类
胸腺瘤 (Thymoma)
淋巴瘤 (Lymphoma)
神经源性肿瘤 (Neurogenic tumor)
畸胎瘤 (Teratoma)
报告质量分级
影像报告由两名资深放射科医生评估
Likert 5分量表
低质量（1–2分）
中质量（3分）
高质量（4–5分）
一致性
ICC = 0.734
诊断者设置
GPT-4
住院医师 ×2
主治医师 ×2
副主任医师 ×2
统计分析
评价指标
Accuracy
Precision
Recall
F1 score
ROC曲线
AUC
统计方法
Wald χ² 检验
DeLong 检验
GPT-4诊断流程
将影像报告文本
转化为结构化诊断结论
根据结构化信息
进行肿瘤分类
研究结果
总体诊断准确率
GPT-4 的诊断能力 接近资深放射科医生
不同报告质量的影响
GPT-4 更擅长处理信息不完整的报告
经验丰富的医生仍然具有优势
GPT-4 在 淋巴瘤诊断中表现最好
良恶性肿瘤判断
在 恶性肿瘤识别中
GPT-4 表现优于所有医生
研究结论
GPT-4 在纵隔肿瘤分类中的诊断能力
1️⃣ 与资深放射科医生相当
2️⃣ 明显优于经验较少的医生
3️⃣ 在低质量影像报告中表现更好
4️⃣ 在某些肿瘤（如淋巴瘤）中具有优势
研究局限
1️⃣ GPT-4 仅分析影像报告文本未直接分析 CT 图像
2️⃣ 神经源性肿瘤样本较少
3️⃣ 数据来自同一地区