科研之友
微信
新浪微博
Facebook
分享链接
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1 215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。
-
单位中国人民解放军总医院; 哈尔滨工业大学（深圳）
