定量MRI与大语言模型自动生成神经退行性影像结构化报告
Automated Structured Reporting of Neurodegenerative Imaging Markers Using Quantitative MRI and Large Language Models
RSS 订阅 · Academic Radiology · 2026-10-13
本研究纳入192例ADNI数据库患者的三维T1和二维/三维FLAIR图像，评估定量MRI软件联合大语言模型生成神经退行性影像结构化报告及临床结论的可行性。深度学习模型基于脑萎缩、白质高信号和脑脊液间隙异常相关9项指标生成结构化发现，并与神经放射科医生参考报告对比；4种大语言模型生成临床结论，采用五点Likert量表从准确性、相关性、清晰度和满意度评价。结果显示脑脊液间隙分析准确性较高，GPT综合表现最佳且输出错误率最低，提示该流程用于自动化结构化报告草拟具有一定可行性。
要点
- 脑脊液间隙相关指标的自动分析准确性较高，可在阅片时优先参考。
- 白质高信号等有序视觉分级严格匹配准确性有限，需人工核对分级。
- 大语言模型生成的结论仍有语言、遗漏、添加和数值错误风险，不能直接签发。
核心结论
- 定量MRI软件联合大语言模型生成结论的流程用于神经退行性影像标记物自动化结构化草拟可能可行。
- GPT在准确性、相关性、清晰度和满意度多数指标上得分最高（中位数5分），输出错误率最低。
- Phi-3和Llama 3.1 8B整体表现较低，语言、遗漏和添加错误更多；MedGemma表现居中但数值错误率最高。
研究设计与样本
- 回顾性研究，从ADNI数据库随机选取192例患者的三维T1和二维或三维FLAIR图像。
- 深度学习模型基于9项脑萎缩、白质高信号和脑脊液间隙异常指标生成结构化报告发现。
- 以神经放射科医生生成的报告作为参考标准进行对比。
- 4种大语言模型包括GPT-OSS 20B、MedGemma 4B、Phi-3和Llama 3.1 8B。
- 结论评价采用五点Likert量表，覆盖准确性、相关性、清晰度和满意度4个维度；输出错误分为语言、遗漏、添加和数值4类。
关键影像表现/征象
- 脑脊液间隙分析的自动分类准确率为77.6%至97.9%。
- 有序视觉分级在严格匹配下准确率为27.1%至57.8%，采用一级容差后提高至91.7%至97.4%。
诊断标准与关键数值
- 脑脊液间隙分析分类准确率为77.6%–97.9%。
- 有序视觉分级严格匹配准确率为27.1%–57.8%，一级容差下为91.7%–97.4%。
- GPT在多数评价指标中位数为5分，输出错误率最低。
- Phi-3和Llama 3.1 8B语言、遗漏和添加错误较多；MedGemma数值错误率最高。
临床应用与阅片要点
- 该流程可用于生成神经退行性影像报告的初稿，减轻报告书写负担。
- 自动生成的结构化发现和结论需由放射科医生核对后再签发，尤其注意数值错误。
- 对脑萎缩和白质高信号等视觉分级指标，自动结果应结合一级容差理解，避免机械照搬。
局限性
- 样本来自ADNI单一公共数据库，人群代表性可能有限。
- 有序视觉分级指标严格匹配准确性偏低，提示自动分级尚未达到替代人工水平。
- 较小规模大语言模型输出错误较多，影响报告直接可用性。
引用
- Academic Radiology：Automated Structured Reporting of Neurodegenerative Imaging Markers Using Quantitative MRI and Large Language Models
- Ko, Jung, Suh, et al. Automated Structured Reporting of Neurodegenerative Imaging Markers Using Quantitative MRI and Large Language Models. Acad Radiol. 2026. PMID: 42864178. doi:10.1016/j.acra.2026.09.056
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。