GPT-4o在Lung-RADS自动分类中的表现：提示策略分层评估
RSS 订阅 · Clinical Radiology
该研究评估ChatGPT（GPT-4o）在肺结节CT报告Lung-RADS分类中的自动判读性能。采用按类别分层设计，比较不同提示策略对分类结果的影响。具体病例数、敏感度、特异度等数值需以原文全文为准。
要点
- 使用GPT-4o辅助Lung-RADS分类时，提示策略可能直接影响分类结果，需分层验证。
- AI自动分类不能替代放射科医师对CT影像征象的最终审核。
- 报告Lung-RADS时应同时记录所用版本及分类依据，便于复核。
核心结论
- ChatGPT（GPT-4o）可用于Lung-RADS自动分类尝试，但不同提示策略在各类别中的表现可能存在差异，需按类别分层验证后再考虑临床使用。
研究设计与样本
- Clinical Radiology 2026年论文，基于GPT-4o进行Lung-RADS分类，采用按类别分层的提示策略评估。
临床应用与阅片要点
- 可将GPT-4o作为Lung-RADS分类的辅助工具，但需先按类别评估提示策略的稳定性，避免直接采信自动分类结果。
- 使用时建议提供结构化影像描述和明确分类需求，减少提示策略差异带来的分类偏移。
- 最终报告中应由放射科医师核对CT征象与Lung-RADS定义，并注明AI辅助判读的局限性。
局限性
- 该研究在摘要层面未提供具体样本量、影像征象和参考标准，自动分类结果仍需独立外部验证后谨慎采用。
引用
- Clinical Radiology：Performance of ChatGPT (GPT-4o) in automated Lung-Reporting and Data Systems (RADS) classification: a category-stratified evaluation of prompting strategies
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。