Utilizando información del mundo real escrita en japonés, el modelo en lenguaje grande muestra una precisión similar a la de los neurorradiólogos.
A medida que avanza la inteligencia artificial, sus usos y capacidades en aplicaciones del mundo real continúan alcanzando nuevas alturas que pueden superar incluso la experiencia humana. En el campo de la radiología, donde el diagnóstico preciso es fundamental para garantizar una atención adecuada al paciente, los modelos de lenguaje grandes, como ChatGPT, pueden mejorar la precisión o al menos proporcionar una buena segunda opinión.
Para probar su potencial, un equipo del estudiante de posgrado Yasuhito Mitsuyama y el profesor asociado Daijo Uda de la Facultad de Medicina de la Universidad Metropolitana de Osaka dirigieron a los investigadores a comparar el rendimiento diagnóstico de ChatGPT basado en GPT-4 y los radiólogos de 150 informes de resonancia magnética antes de los tumores cerebrales. Con base en estas notas clínicas diarias escritas en japonés, se pidió a ChatGPT, dos neurorradiólogos certificados y tres radiólogos generales que proporcionaran el diagnóstico diferencial y el diagnóstico final.
Luego, se calculó su precisión basándose en el diagnóstico original después de la extirpación del tumor. Los resultados fueron del 73 % para ChatGPT, del 72 % en promedio para los neurorradiólogos y del 68 % en promedio para los radiólogos generales. Además, la precisión del diagnóstico final de ChatGPT depende de si el informe clínico está redactado por un neurorradiólogo o un radiólogo general. La precisión de los informes de los neurorradiólogos fue del 80 %, en comparación con el 60 % cuando se utilizaron los informes de los radiólogos generales.
“Estos resultados sugieren que ChATGPT puede ser útil para el diagnóstico de tumores cerebrales antes de la resonancia magnética”, dijo el estudiante de posgrado Matsuyama. “En el futuro, planeamos estudiar grandes modelos de lenguaje en otros campos de diagnóstico por imágenes con el objetivo de utilizar la IA para reducir la carga de los médicos, mejorar la precisión del diagnóstico y respaldar los entornos educativos”.
