探索大型语言模型在放射肿瘤学决策支持中的能力与局限
医学物理
2025-01-07 v1 人工智能
摘要
随着 LLM 迅速融入决策支持工具,大规模系统正经历重大变革。与其他医学领域一样,GPT-4 等 LLM 在放射肿瘤学中的应用也日益受到关注。通过一项针对放射肿瘤学物理这一高度专业化主题的 100 题专项考试,初步评估了 GPT-4 在放射肿瘤学中的表现,结果显示 GPT-4 优于其他 LLM。在更广泛的临床放射肿瘤学领域,使用美国放射肿瘤学会住院医师培训考试 (ACR Radiation Oncology In-Training, TXIT) 对 GPT-4 进行了进一步基准测试,其准确率达到 74.57%。此外,还对其依据 AAPM TG-263 报告重新标注结构名称的能力进行了基准测试,准确率超过 96%。这些研究揭示了 LLM 在放射肿瘤学中的潜力。随着人们对 LLM 在一般医疗应用中潜力与局限性的兴趣持续上升,LLM 在放射肿瘤学决策支持中的能力与局限尚未得到充分探索。
引用
@article{arxiv.2501.02346,
title = {Exploring the Capabilities and Limitations of Large Language Models for Radiation Oncology Decision Support},
author = {Florian Putz and Marlen Haderleina and Sebastian Lettmaier and Sabine Semrau and Rainer Fietkau and Yixing Huang},
journal= {arXiv preprint arXiv:2501.02346},
year = {2025}
}
备注
Officially published in the Red Journal