AI聊天机器人“读”CT图像！中国医科大学引领肺结节智能评估新时代

点击蓝字

研究背景

最近，GPT模型显示了根据放射学报告自动标记肿瘤表型和确定TNM分期的潜力。然而，动态测量连续CT图像中肺部结节大小和特征变化的能力对于评估恶性肿瘤风险的进展和指导及时的临床干预至关重要，尤其是对于早期肺癌而言。大量临床证据表明，结节直径增大与恶性肿瘤的可能性之间存在相关性。因此，通过随访CT评估跟踪结节的动态变化，可为估计潜在的恶性肿瘤风险提供有价值的见解。在中期CT扫描中出现细微但关键的细节时，如小支气管受累或血管穿透（这些都是恶性肿瘤进展的关键指标）这种变异性尤其明显。

用GPT-4o评估结节大小的变化

在C1、C2、LLCS和NLST数据集中，与放射科医生进行的人工测量相比，GPT-4o测量结节大小的ICC分别为0.86、0.95、0.88和0.93。对于C1、C2、LLCS和NLST数据集，GPT-4o和放射科医生进行的结节大小测量之间的皮尔逊相关系数分别为0.86、0.96、0.88和0.93，表明两者具有显著的一致性。

此外，放射科医生观察到，C1、C2、LLCS和NLST数据集中分别有105、54、51和44例患者在随访CT图像上的结节尺寸增大。相比之下，C1、C2、LLCS和NLST数据集中分别有48、36、11和28例患者的结节大小减小。与放射科医生观察的准确性相比，GPT-4o对肿瘤的准确率分别为84.8%、92.6%、88.2%和86.4%。在C1、C2、LLCS和NLST数据集中，肿瘤生长的准确率分别为84.8%、92.6%、88.2%和86.4%；在C1、C2、LLCS和NLST数据集中，肿瘤缩小的准确率分别为85.4%、91.7%、81.8%和85.7%。 与使用CT图像上的结节大小相比，GPT-4o在恶性肿瘤评估方面的性能在统计学上有显著提高。

总结

1. GPT-4o在肺结节评估中的应用： 本研究证明了GPT-4o能够利用纵向CT随访图像评估肺结节的恶性肿瘤概率、结节大小和特征的变化，并提供高质量的放射学诊断证据。

2. GPT-4o的性能表现：

在检测肺结节大小和生长/减少方面，GPT-4o的准确率分别为85.0%、92.2%、87.1%和86.1%，优于放射科医生的手动测量；

根据放射科医生对关键结节特征的评估，GPT-4o的李克特中位评分为4.17（满分5.00），显示出其在CT图像上识别肺结节迹象的能力；

与两名放射科医生的评估相比，GPT-4o在评估肺结节恶性肿瘤方面取得了良好的ICC（一致性相关系数），显示出其在早期肺癌检测和临床管理中的潜力。

3. GPT-4o的优势：

通过使用纵向CT图像视频，GPT-4o能够准确识别和直接监测病变变化，简化了目前依赖人工评估的复杂过程；

该方法绕过了复杂网络架构的需求（如U-net分割和分类网络），提供了一种“即插即用”的解决方案，便于放射科医生的实际应用；

实验结果表明，GPT-4o有望提高放射科医生使用人工智能技术的意愿，减少对复杂网络工程的需求。

4. GPT-4o在放射学报告中的表现：

GPT-4o能够识别结节形态和内部特征随时间的变化，并生成符合放射学领域语言的报告；

例如，GPT-4o准确描述了结节从“比较圆”到“形状略微不规则，有轻微突起”的变化，以及内部密度从“均匀”到“增加”的变化；

在评估“小支气管受累”等恶性肿瘤潜在指标方面，GPT-4o与放射科医生的观察一致，并与最终病理确认相符。

热门推荐活动 点击免费报名