基于大语言模型的上肢MRI报告中肌肉去神经征象与周围神经关联性智能分析研究

为解决上肢肌肉去神经征象与特定周围神经(PNs)关联判定的临床难题，研究人员开展了一项利用大语言模型(LLMs)自动识别MRI报告中神经-肌肉关系的研究。通过微调BERT、Medical-ELECTRA等模型并构建投票系统，最终实现中位神经(F1=0.88)、尺神经(F1=1.00)的高精度预测，为放射科医师提供AI辅助诊断工具。

　　

当上肢肌肉出现去神经支配征象时，精准锁定责任神经（如正中神经、尺神经、桡神经等）犹如在错综复杂的电缆系统中定位故障线路。这项研究巧妙地将BERT、RoBERTa等大语言模型(LLMs)改造成"神经侦探"，对300份西班牙语MRI报告展开深度语义挖掘。

科研团队采用"AI会诊"策略：先让Medical-ELECTRA等5个模型独立研判，再通过投票系统整合意见。结果令人振奋——这个AI陪审团对尺神经的判定堪称完美(F1=1.00)，对中位神经的识别准确率也达88%。而mBART模型则像"偏科生"，对中位神经的判断失误率高达62%。

该技术相当于为放射科医师配备了智能导航仪，能在撰写报告时自动标注可疑神经损伤部位。就像给模糊的神经解剖图加上AR标注，让隐藏在肌肉信号背后的神经损伤线索无所遁形。