
-
生物通官微
陪你抓住生命科技
跳动的脉搏
多模态大语言模型在代谢与减重外科术后并发症影像诊断中的表现评估
《BMC Surgery》:Impact of data origin on large language models’ radiologic interpretation: a proof-of-concept study on post-metabolic and bariatric surgery complications
【字体: 大 中 小 】 时间:2026年10月10日 来源:BMC Surgery 2.4
编辑推荐:
摘要背景多模态大语言模型(LLMs)通过整合文本和图像数据,在辅助诊断、提高一致性和简化工作流程方面于医学影像领域展现出巨大潜力。它们可接近专科医生水平的表现,支持临床决策制定,并可辅助代谢与减重外科(MBS)影像诊断,但目前应用仍处于早期阶段。尽管LLMs在考试中表现良好,
多模态大语言模型(LLMs)通过整合文本和图像数据,在辅助诊断、提高一致性和简化工作流程方面于医学影像领域展现出巨大潜力。它们可接近专科医生水平的表现,支持临床决策制定,并可辅助代谢与减重外科(MBS)影像诊断,但目前应用仍处于早期阶段。尽管LLMs在考试中表现良好,但其在真实世界中的可用性仍需经过充分验证,方可安全地进行大规模应用。
本研究使用12个放射科场景(六个未发表的本机构病例和六个来源于PubMed的病例),比较了ChatGPT 5.2、Grok-4.1和Gemini-3 Pro在诊断MBS术后并发症方面的表现。每个LLMs均接收到标准化提示词和病例影像。模型的回答与参考诊断进行了对比,采用最高匹配度一致性和前三位包含率作为探索性性能指标。
在12个场景中,ChatGPT 5.2取得了最高总分(18/24),Gemini-3 Pro(17/24)和Grok-4.1(17/24)紧随其后,无一模型达到完全一致性。所有模型在识别结构和解剖学并发症方面的表现均优于功能性或血管性并发症。已发表病例的观察诊断表现优于未发表病例;然而,这一差异应谨慎解读,因为公开病例可能已包含在模型训练数据中,因此观察到的优势可能既反映了对有据可查的临床模式的识别,也可能源于模型对已发表病例内容的先前接触。
在本概念验证评估中,多模态LLMs展示了辅助MBS术后并发症鉴别诊断的潜力,但表现存在波动,尤其对于较少见的血管性和肠道相关并发症。已发表病例的观察得分高于未发表病例,这一差异应谨慎解读,因为模型在训练过程中可能已接触到公开病例内容,因此不能将其视为诊断准确性更高或泛化能力更强的证据。这些发现支持在临床实施前,使用更大规模的、明确未经训练的病例数据集进行进一步评估。
多模态大语言模型(LLMs)通过整合文本和图像数据,在辅助诊断、提高一致性和简化工作流程方面于医学影像领域展现出巨大潜力。它们可接近专科医生水平的表现,支持临床决策制定,并可辅助代谢与减重外科(MBS)影像诊断,但目前应用仍处于早期阶段。尽管LLMs在考试中表现良好,但其在真实世界中的可用性仍需经过充分验证,方可安全地进行大规模应用。
本研究使用12个放射科场景(六个未发表的本机构病例和六个来源于PubMed的病例),比较了ChatGPT 5.2、Grok-4.1和Gemini-3 Pro在诊断MBS术后并发症方面的表现。每个LLMs均接收到标准化提示词和病例影像。模型的回答与参考诊断进行了对比,采用最高匹配度一致性和前三位包含率作为探索性性能指标。
在12个场景中,ChatGPT 5.2取得了最高总分(18/24),Gemini-3 Pro(17/24)和Grok-4.1(17/24)紧随其后,无一模型达到完全一致性。所有模型在识别结构和解剖学并发症方面的表现均优于功能性或血管性并发症。已发表病例的观察诊断表现优于未发表病例;然而,这一差异应谨慎解读,因为公开病例可能已包含在模型训练数据中,因此观察到的优势可能既反映了对有据可查的临床模式的识别,也可能源于模型对已发表病例内容的先前接触。
在本概念验证评估中,多模态LLMs展示了辅助MBS术后并发症鉴别诊断的潜力,但表现存在波动,尤其对于较少见的血管性和肠道相关并发症。已发表病例的观察得分高于未发表病例,这一差异应谨慎解读,因为模型在训练过程中可能已接触到公开病例内容,因此不能将其视为诊断准确性更高或泛化能力更强的证据。这些发现支持在临床实施前,使用更大规模的、明确未经训练的病例数据集进行进一步评估。