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
Study on the application value of the large language model ChatGPT in electrical impedance tomography for lung ventilation imaging diagnosis作者机构:中国人民解放军总医院第八医学中心北京100094 哈尔滨工业大学(深圳)智能计算研究中心广东深圳518000
出 版 物:《中国急救医学》 (Chinese Journal of Critical Care Medicine)
年 卷 期:2023年第43卷第10期
页 面:760-767页
核心收录:
学科分类:08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:后勤科研自主创新项目 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)
主 题:电阻抗断层显像 肺通气 低氧血症 大语言模型 ChatGPT
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ChatCPT对EIT具有一定的知识储备。本研究纳人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GPT4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ChatCPT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,未来需要纳人更多的特征和更复杂的模型来提高自动判断的准确度。