ChatGPT(GPT-5)在附件肿物良恶性诊断及组织学预测中的应用评估

《Journal of Imaging》:Large Language Models Meet Gynecologic Ultrasound: Advancing the Characterization of ADNEXal Masses

【字体: 大 中 小 】 时间:2026年09月22日 来源:Journal of Imaging 3.8

编辑推荐:

   摘要 卵巢癌(OC)是第二常见的妇科恶性肿瘤,也是全球妇科癌症相关死亡的主要原因之一。一个主要的临床挑战在于,目前缺乏一种准确且广泛适用的策略,用于早期识别具有恶性高风险的患者。在此背景下,人工智能(AI)作为一种有望提升诊断效能的工具而崭露头角。在众多AI技术中,大语言

  

摘要

卵巢癌(OC)是第二常见的妇科恶性肿瘤,也是全球妇科癌症相关死亡的主要原因之一。一个主要的临床挑战在于,目前缺乏一种准确且广泛适用的策略,用于早期识别具有恶性高风险的患者。在此背景下,人工智能(AI)作为一种有望提升诊断效能的工具而崭露头角。在众多AI技术中,大语言模型(LLMs)近期在医疗健康应用中展现出相当的潜力。在本研究中,我们评估了ChatGPT(GPT-5)对300例附件肿物进行良性或恶性分类的诊断效能,并将其与IOTA简易规则、ADNEX模型以及专家主观评估的表现进行了比较。我们还评估了ChatGPT预测每种病变最可能组织学诊断的能力。所有附件肿物均采用国际卵巢肿瘤分析(IOTA)术语进行描述,组织病理学检查作为参考标准。我们的结果表明,专家主观评估在良恶性分类(准确率87.3%;95% CI,83.0–90.9%)和预测假定组织学诊断两方面均取得了最高的总体诊断效能。ChatGPT A和ChatGPT B的敏感度分别为72.3%和73.5%,特异度分别为74.5%和75.9%,阳性预测值分别为75.2%和76.5%,阴性预测值分别为71.5%和72.8%(未明确的回复计为误分类),总体准确率分别为73.3%和74.7%。在充分验证后,大语言模型可以作为现有决策支持工具的补充,用于经验较少的检查者,但无法取代专家评估。其易用性以及依赖标准化超声描述词的特点,使其对各级超声医师均具有可及性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号