大语言模型ChatGPT在电阻抗断层显像(EIT)肺通气诊断中的应用价值
潘盼1
蒋硕然2
刘于红1
赵孟晨2
谷红俊1
杨庆云1
谢菲1
陈清财2
1.100094 北京,中国人民解放军总医院第八医学中心2.518000 广东 深圳,哈尔滨工业大学(深圳)智能计算研究中心
摘要：目的 使用ChatGPT对电阻抗断层显像(EIT)肺通气参数进行分析并提供诊断.方法 回顾中国人民解放军总医院呼吸与危重症医学中心 2020 年 9 月至 2023 年 6 月的EIT数据,使用GPT-3.5 和GPT-4 进行EIT数据的自动判断,采用零样本学习为基础,并使用上下文学习测试以提高诊断准确度.在统计方面使用敏感度和特异度来评估模型性能.结果 ChatGPT对EIT具有一定的知识储备.本研究纳入530 例患者的1215 份EIT检查数据,显示ChatGPT对EIT数据的自动判断效果并不理想:零样本数据提示,与人工诊断相比一致性不佳;上下文学习的方法提示,GPT-4 虽然比GPT-3.5 的逻辑推理能力有了显著提升,但GPT-4 对指令的遵循能力却显著下降.GPT-4 最终对肺通气诊断准确率只有 27.02%,在"轻度通气功能缺失"上的预测最高，但也只达到53.58%。“无特殊”“重度通气功能缺失”的敏感度更底，分别为21.72%和13.71%。遗憾的是，“中度通气功能缺失”的敏感度为0.结论 ChatGPT并没有掌握EIT测量参数来诊断通气功能缺失.尽管上下文学习能够提高模型的诊断能力,但结果仍然不够理想,未来需要纳入更多的特征和更复杂的模型来提高自动判断的准确度.
关键词：电阻抗断层显像肺通气低氧血症大语言模型ChatGPT
分类号：TP18(自动化基础理论)R459.7(治疗学)
资助基金：全国博士后特别资助项目(2021T140794)北京科学技术协会青年人才托举工程项目(BYESS2022035)解放军总医院青年自主创新科研项目(22QNFC146)解放军总医院第八医学中心重点课题项目(2021ZD001)
论文发表日期：2023-10-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 760-767 )
英文信息