| 本期文章中小编为大家介绍一种AI生成模型在影像临床中的应用 -即让没有医学背景的人看懂放射诊断报告，这篇题为《使用ChatGPT和GPT-4通过提示学习将放射科报告翻译成简单语言：结果、局限性及潜力》的研究论文，由Qing Lyu等人撰写，发表在《Visual Computing for Industry, Biomedicine, and Art》上。文章探讨了利用大型语言模型ChatGPT在实验中将放射科报告翻译成简单语言的可行性，目标是为了让患者和医疗提供者更好地理解诊断报告，从而提升医疗保健水平。 |
放射学报告总结了专家对使用计算机断层扫描 (CT)、磁共振成像 (MRI) 以及核、超声和光学成像方法获取的医学图像的意见，这些报告中的研究结果有助于诊断和治疗。然而，此类报告中的医学术语对于没有任何医学背景的患者来说往往难以理解。借助 ChatGPT现在可以用简单的语言重新表达专业报告，以便患者了解其放射学报告的含义，这对于减少焦虑、促进依从性和改善结果非常宝贵。
一份标准的肺部CT影像报告
引言
ChatGPT自2022年11月由OpenAI发布以来，凭借其类似人类的表达和推理能力吸引了全球关注和超过1亿用户。与以往的自然语言处理(NLP)模型如BERT、XLNet和GPT相比，ChatGPT具有更大的模型规模、链式思维提示和通过人类反馈的强化学习等特点，使其能够有效地引导推理过程。本研究旨在探索ChatGPT在将放射科报告转换为简单语言方面的性能，以便于非专业人士理解。
报告获取
本研究收集了62份低剂量胸部CT肺癌筛查扫描报告和76份脑部MRI转移性肿瘤筛查扫描报告。所有报告均来自2023年2月上半月的临床数据库，报告在去标识化处理后用于实验。
实验设计
实验中使用ChatGPT根据以下三个提示进行翻译：将放射科报告翻译成简单语言、为患者提供一些建议、为医疗提供者提供一些建议。所有ChatGPT的回应均在2023年2月中旬收集完成。
不同提示对ChatGPT翻译性能的影响
性能评估
邀请两位经验丰富的放射科医生对ChatGPT的翻译质量进行评估，重点评估整体评分、完整性和正确性，并据此进行统计分析。
ChatGPT与原报告的对比
与原始放射科报告相比，ChatGPT生成的简单语言版本通常较简短，例如胸部CT报告的翻译结果平均减少了26.7%的长度。翻译报告通过替换医学术语与常用词，使得报告更加易于患者理解。
放射科医生对ChatGPT翻译的评价
ChatGPT的翻译结果在五分制评分系统中平均得分为4.27，信息缺失和误信息的地方分别平均为0.08处和0.07处。
ChatGPT生成的建议评估
ChatGPT提供的建议大多相关，如随访医生和密切监测任何症状等。对于总共138个案例中的约37%，ChatGPT根据报告中的发现提供了具体建议。
基于 GPT4 的 ChatGPT 的输入（患者病史和图像）和输出示例。a. ChatGPT 的输入。b. ChatGPT 生成的输出文本。鉴别诊断以蓝色列出，最终诊断以红色列出。在这种情况下，ChatGPT 生成的最终诊断是正确的
ChatGPT翻译的稳健性
ChatGPT在响应中展示了一定的随机性，有时可能过度简化或忽略信息，这可以通过使用更详细的提示来减轻。
讨论
本研究展示了ChatGPT和GPT-4在将放射科报告翻译成简单语言方面的潜力。ChatGPT和GPT-4不仅能够简化放射科报告的语言，使之更易于患者和非专业医疗人员理解，还能够提供基于报告内容的具体建议。这项技术的应用，有望改善医患沟通，增加患者对自身健康状况的理解，从而提升治疗的遵循性和整体医疗效果。
然而，研究也揭示了在使用ChatGPT进行放射科报告翻译时存在的不确定性和局限性。尽管通过优化提示来减少信息遗漏和误解的情况，但ChatGPT的回答仍有一定的随机性，这可能影响翻译质量的一致性和准确性。此外，ChatGPT有时候会忽略报告中的次要问题，表明在当前版本中，它尚未能完全理解哪些信息是重要的，需要在报告中被保留。
与ChatGPT相比，GPT-4展现了更高的翻译质量，表明随着大型语言模型的不断发展和优化，其在临床应用中的潜力将进一步被挖掘。然而，即使是GPT-4，也存在着生成翻译报告的格式和内容不一致的问题，这提示在将这些技术应用于实际临床实践之前，还需要进一步的改进和验证。
结论
本研究证明了利用ChatGPT和GPT-4将放射科报告翻译成简单语言的可行性和有效性，同时也指出了存在的挑战和改进空间。这些大型语言模型提供了一个新的视角，用于提升放射科报告的可读性和患者教育，是医疗人工智能领域一个有前景的研究方向。未来的工作将集中于优化提示策略，提高翻译的准确性和一致性，以及扩大这些技术在临床医疗中的应用范围。
随着大型语言模型的持续发展，ChatGPT及其后续产品有望在医疗信息的生成、查询和共享中发挥重要作用，极大地影响医疗保健领域的未来。尽管如此，这些算法的安全性和有效性还需要通过严格的评估来证明，尤其是在它们直接影响患者诊断和治疗规划的工具方面。随着这些产品的进一步开发和性能特性的额外评估，为监管审查和用户采纳提供了宝贵的经验和数据。
最后按照惯例AI生成一种图片，这次画出了20年后世界的样子：
参考文献：
Lyu, Qing, et al. "Translating radiology reports into plain language using ChatGPT and GPT-4 with prompt learning: results, limitations, and potential." Visual Computing for Industry, Biomedicine, and Art 6.1 (2023): 9.
