GPT-5 在脑肿瘤 MRI 推理中的性能
计算机视觉与模式识别
2025-08-15 v1 人工智能
摘要
准确区分脑肿瘤类型对神经内科治疗规划至关重要。最近的大型语言模型 (LLM) 进展使得基于视觉问答 (VQA) 的方法能够将图像解读与自然语言推理集成。本研究评估了 GPT-4o、GPT-5-nano、GPT-5-mini 和 GPT-5 在从 3 个脑肿瘤分割 (BraTS) 数据集中提取的脑肿瘤 VQA 框架上的表现——分别是脑腺瘤 (GLI)、脑膜肿瘤 (MEN) 和脑转移 (MET)。每例病例包括多序列 MRI 三视图拼接图像和结构化临床特征，转化为标准化 VQA 项目。模型在零样本链式思维设置下进行评估，以衡量其在视觉与推理任务上的准确率。结果显示，GPT-5-mini 达到了最高的宏平均准确率 (44.19%)，随后是 GPT-5 (43.71%)、GPT-4o (41.49%) 和 GPT-5-nano (35.85%)。性能因肿瘤亚型而异，没有单一模型在所有数据集中均表现最优。这些发现表明，GPT-5 系列模型可在结构化神经内科 VQA 任务中实现中等水平的准确率，但尚未达到临床应用的要求。
引用
@article{arxiv.2508.10865,
title = {Performance of GPT-5 in Brain Tumor MRI Reasoning},
author = {Mojtaba Safari and Shansong Wang and Mingzhe Hu and Zach Eidex and Qiang Li and Xiaofeng Yang},
journal= {arXiv preprint arXiv:2508.10865},
year = {2025}
}