定量MRI与大语言模型自动结构化神经退行性影像标志物报告可行性
Automated Structured Reporting of Neurodegenerative Imaging Markers Using Quantitative MRI and Large Language Models.
PubMed 文献 · Acad Radiol · 2026-10-13
本研究评估了定量MRI与大型语言模型结合的结构化报告流程，从ADNI数据库中选取192例患者，利用深度学习生成基于九项指标的结构化结果，并由四种LLM生成临床结论。结果显示，脑脊液空间分析准确率为77.6%-97.9%，GPT表现最佳。该流程可能实现神经退行性影像标志物的自动化结构化报告。
要点
- 192例ADNI数据，九项指标包括脑萎缩、白质高信号和脑脊液空间异常
- GPT在多数指标中位评分5，输出错误率最低；MedGemma数值错误率较高
- 严格匹配下序数视觉量表准确率27.1%-57.8%，允许一级误差后升至91.7%-97.4%
引用
- 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。