编辑推荐：
甲状腺相关性眼病（TAO）评估存在挑战，研究人员探究多模态 AI 聊天机器人评估 TAO 的潜力。结果显示 ChatGPT-4o 准确性高，能生成评估工具。这为 TAO 评估提供新途径，有助于临床决策。
在医学领域，甲状腺相关性眼病（TAO）是一种令人头疼的疾病。它是一种自身免疫性炎症性疾病，会 “攻击” 眼眶周围的结缔组织。得了 TAO 的患者可不好受，眼球突出、结膜充血、眼睑肿胀、眼睑退缩、复视等症状纷纷找上门，严重时甚至会出现视神经损伤。虽说 TAO 的诊断不算太难，但它就像个调皮的 “小怪兽”，经常复发和缓解，这可让医生们犯了难。为了准确把握病情发展，合理指导治疗，客观评估炎症程度就显得至关重要。目前，临床活动评分（CAS）和 NOSPECS 是常用的评估工具，可这些工具项目繁多，对于 TAO 这种相对少见的疾病，很多眼科医生和全科医生并不熟悉如何运用。
同时，人工智能（AI）技术在医学领域的发展如火如荼，人们也想借助它来实现 TAO 的客观评估。深度学习技术已经在 TAO 诊断和术后结果预测方面进行了尝试，可这些算法不够 “亲民”，操作界面不友好，数据输入输出管理也不方便，难以在临床广泛应用。而先进的大语言模型（LLMs）出现，似乎带来了新希望。它们能通过浏览器轻松访问，还能理解人类语言，使用起来非常便捷。像 ChatGPT-4o 这样的多模态 LLM，支持图像和语言输入，具备强大的推理和数据处理能力。但 LLMs 能否助力 TAO 评估，此前还无人研究。
为了解开这个谜题，研究人员开展了一项重要研究。他们聚焦于多模态 LLMs 在 TAO 评估中的潜力，主要研究对象是 ChatGPT-4o（OpenAI 公司产品）和 Gemini Advanced（谷歌公司产品）这两款在医学研究中广泛使用且表现出色的模型。研究成果发表在《Computers in Biology and Medicine》杂志上。
研究人员主要采用了以下关键技术方法：利用公开的病例报告和数据集，将其作为研究的 “素材库”。借助这些数据，让 ChatGPT-4o 开发基于网络的 CAS 计算器，并依据眼部外部照片估算 CAS 评分。同时，将 ChatGPT-4o 的预测结果与眼科医生的评估以及卷积神经网络（CNN）模型（如 ResNet50）的评估结果进行对比分析。
下面来看具体的研究结果：
- 开发评估工具：ChatGPT-4o 成功开发出了自动化的 CAS 和改良 NOSPECS 分类计算器。它准确理解了 CAS 评分标准，对于改良 NOSPECS 分类，也系统地纳入了详细标准。生成的代码能帮助创建实用的临床计算器，为医生提供便利。
- CAS 估算表现：ChatGPT-4o 在估算 CAS 方面表现优异。与两个数据集中眼科医生的参考评分相比，平均绝对误差分别为 0.39 和 0.45，准确性极高。在识别活动性 TAO（CAS≥3）方面，它的表现超过了 Gemini Advanced 和 ResNet50。在术前和治疗前的数据集中，ChatGPT-4o 的受试者工作特征曲线下面积（ROC-AUC）分别达到了 0.974 和 0.990，而 ResNet50 仅为 0.770 和 0.623，差距明显。而且，ChatGPT-4o 和定制 GPTs 结果相同，说明其性能稳定，无需额外定制。
- 多模态处理能力：ChatGPT-4o 能有效处理文本和图像输入，不仅能提供 CAS 估算的详细解释，还创造了用户友好的计算器，方便快速评估 TAO。
研究结论表明，多模态 AI 聊天机器人，尤其是 ChatGPT-4o，在 TAO 评估方面潜力巨大。通过对公开病例报告和数据集的综合分析，ChatGPT-4o 在估算 CAS 和生成临床诊断工具方面表现出了卓越的准确性。与传统的 CNN 模型相比，它在识别活动性 TAO 上更胜一筹，拥有更高的准确性、敏感性等。这一研究成果意义非凡，为眼科医生、内分泌科医生和 AI 研究人员提供了新的思路和工具。它所开发的自动化、可解释的 CAS 计算器，提高了临床评估的便捷性和可及性，有助于更高效地进行临床决策。不过，该研究也存在一些局限性，比如样本量小、缺乏现实世界验证、依赖无患者元数据的照片以及可重复性存在挑战等。但这并不影响它为未来的研究指明方向，后续研究可以朝着在现实临床环境中验证其有效性的方向展开，进一步挖掘多模态 LLMs 在医学领域的无限可能。
