使用GPT-4单样本学习识别放射学报告中的偶发发现
Use of GPT-4 With Single-Shot Learning to Identify Incidental Findings in Radiology Reports.
PubMed 文献 · AJR Am J Roentgenol · 2024-01-10
该研究评估GPT-4通过单样本学习从放射学报告中识别偶发肾上腺结节、胰腺囊性病变和血管钙化的能力,F1分数分别为1.00、0.91和0.99。结果表明大语言模型可能有助于提高对偶发影像发现的识别和管理,并能在医学场景中灵活应用。
要点
- GPT-4单样本学习识别报告中的偶发肾上腺结节F1为1.00。
- 识别胰腺囊性病变F1为0.91,血管钙化F1为0.99。
- 大语言模型可能有助于改善偶发影像发现的识别与管理。
核心结论
- GPT-4通过单样本学习在放射学报告中识别偶发肾上腺结节、胰腺囊性病变和血管钙化,F1分数分别为1.00、0.91和0.99,提示大语言模型可能有助于改善偶发影像发现的识别和管理。
研究设计与样本
- 原文摘要未报告研究设计类型、样本量、中心数、设备/序列或参考标准。
诊断标准与关键数值
- GPT-4识别偶发肾上腺结节的F1分数为1.00。
- GPT-4识别胰腺囊性病变的F1分数为0.91。
- GPT-4识别血管钙化的F1分数为0.99。
局限性
- 原文摘要未报告局限性。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
英文原文(摘要)· 点击展开
GPT-4 identified incidental adrenal nodules, pancreatic cystic lesions, and vascular calcifications in radiology reports with F1 scores of 1.00, 0.91, and 0.99, respectively. The findings indicate a potential role for large language models to help improve recognition and management of incidental imaging findings and to be applied flexibly in a medical context.
来源:AJR Am J Roentgenol,查看原文。版权归原作者所有。
引用
- Bhayana R, Elias G, Datta D, et al. Use of GPT-4 With Single-Shot Learning to Identify Incidental Findings in Radiology Reports. AJR Am J Roentgenol. 2024. PMID: 38197759. doi:10.2214/AJR.23.30651
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。