大语言模型在肿瘤诊断中的文字报告与医学影像应用研究进展
程浩然1
严鸿斌2
袁子云3
庄泽鸿1
孙学刚4
姚学清5
1.南方医科大学附属广东省人民医院(广东省医学科学院)胃肠外科普通外科,广东 广州 510080;广东省人民医院赣州医院(赣州市立医院)普通外科,江西 赣州 3410992.南方医科大学 第一临床医学院,广东 广州 5105153.中山市人民医院普外科,广东 中山 5284004.南方医科大学 中医药学院,广东 广州 5105155.南方医科大学附属广东省人民医院(广东省医学科学院)胃肠外科普通外科,广东 广州 510080;广东省人民医院赣州医院(赣州市立医院)普通外科,江西 赣州 341099;华南理工大学医学院,广东 广州 510641
摘要：大语言模型(LLMs)作为新兴人工智能技术,凭借其优异的文字与图像处理能力,为医疗领域智能化变革提供核心支撑,显著提升临床工作效率与质量.本文系统梳理LLMs在癌症诊断领域的应用现状、技术特点及发展方向,重点聚焦两大核心场景:一是影像报告、病理报告、综合病例报告等文字报告的自动化分析与解读;二是融合文本与医学影像的多模态数据诊断.研究发现,LLMs在癌症诊断中的综合能力已可媲美普通住院医师,但在专业化诊断与精准化判断方面仍存在明显短板;同时,LLMs展现出"小参数模型适配基层场景""多语言报告分析泛用性差异"等应用层面特征.未来需进一步开发专业化、实用化的医疗专用LLMs,通过优化微调策略、构建高质量中文医疗数据集、整合视觉语言模型等方式,推动其临床落地并弥合医疗资源差距.
关键词：大语言模型人工智能肿瘤诊断病理学影像学
论文发表日期：2026-01-20
在线出版日期：2026-01-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 231-238 )
英文信息