大语言模型从自由文本MRI报告自动分配肾透明细胞似然评分v2.0的可行性研究
Application of large language models for assigning clear cell likelihood score v2.0 from free-text MRI reports: a feasibility study.
PubMed 文献 · Abdom Radiol (NY) · 2026-10-05
本多中心回顾性研究纳入1048份肾脏肿块MRI报告，评估4种大语言模型通过三阶段提示策略自动提取影像特征并分配ccLS v2.0评分的性能。Gemini 3.0表现最佳，在内部队列和外部验证队列的评分准确率分别为85.2%和85.8%，所有模型对高风险类别（ccLS 4-5）的准确率均超过80%。研究提示大语言模型可作为辅助决策工具支持自动化ccLS评估，但目前仍需专家审核验证。
要点
- Gemini 3.0自动分配ccLS v2.0评分的准确率达85.2%（95% CI 82.5%-87.5%），外部验证准确率85.8%
- 所有大语言模型对高风险类别ccLS 4-5的分配准确率均超过80%，但对需多步骤解读的特征（如动脉期-延迟期强化比ADR）表现欠佳
- 大语言模型分配评分的AUC为0.768-0.791，与专家评分AUC 0.799接近（差异-0.031至-0.008，95% CI重叠），可作为辅助工具但需专家审核
核心结论
- 采用多步骤提示策略的大语言模型，尤其是Gemini 3.0，在从自由文本报告自动分配ccLS v2.0评分方面表现良好
- 在有病理对照的亚组（n=237）中，大语言模型分配评分识别透明细胞癌的AUC为0.768-0.791，与专家报告评分AUC 0.799差异较小（-0.031至-0.008）且95% CI重叠
- 尽管对复杂特征推理存在局限，这些模型显示出支持放射学工作流程中自动化ccLS评估的潜力，但目前应作为需要专家验证的决策支持工具而非无监督自主评分工具
研究设计与样本
- 回顾性多中心研究，纳入来自三家机构2020-2026年间1048份肾脏肿块MRI报告
- 评估四种大语言模型（DeepSeek-V3.2、Qwen 3.5、GPT-5.3和Gemini 3.0）采用三阶段提示工作流：特征提取、基于规则的标准匹配、最终分类
- 以放射科专家共识分配的ccLS v2.0评分作为参考标准，包含内部队列802份报告和外部验证队列246份报告
- 内部队列中237份报告有病理对照，用于评估识别透明细胞肾细胞癌（ccRCC）的诊断效能
诊断标准与关键数值
- Gemini 3.0在内部队列正确分配ccLS类别683/802例（85.2%; 95% CI 82.5%-87.5%），外部验证队列211/246例（85.8%; 95% CI 80.9%-89.6%）
- 所有大语言模型对高风险类别ccLS 4-5的分配准确率均大于80%
- 在病理亚组中，专家报告评分识别透明细胞癌的AUC为0.799，大语言模型分配评分的AUC为0.768-0.791
- Gemini 3.0在提取单个影像特征（如T2WI高信号）方面表现相对较好，但所有模型对需多步骤解读的特征（特别是动脉期-延迟期强化比ADR）表现下降
临床应用与阅片要点
- 大语言模型可用于从自由文本MRI报告中自动提取ccLS v2.0评分相关的影像特征并进行分类
- 对于ccLS 4-5高风险类别的自动分类较为可靠，可辅助识别需重点关注的病例
- 当前应将大语言模型作为辅助决策工具使用，最终评分需要有经验的放射科医师审核验证，不宜无监督独立应用
- 对需要多步骤解读的复杂特征（如动脉期-延迟期强化比）应特别注意人工复核
局限性
- 所有模型对需要多步骤解读的复杂特征（特别是动脉期-延迟期强化比ADR）表现下降，Qwen 3.5在这些复杂特征上表现最弱
- 研究结果主要反映任务执行的一致性而非对透明细胞肾细胞癌的诊断准确性
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）。
引用
- Duan, Zhao, He, et al. Application of large language models for assigning clear cell likelihood score v2.0 from free-text MRI reports: a feasibility study. Abdom Radiol (NY). 2026. PMID: 42832035. doi:10.1007/s00261-026-05818-1
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。