[论文解读] AI-Generated Content Enhanced Computer-Aided Diagnosis Model for Thyroid Nodules: A ChatGPT-Style Assistant

Jincao Yao, Yunpeng Wang+14 more|arXiv (Cornell University)|Feb 4, 2024

Artificial Intelligence in Healthcare and Education被引用 12

一句话总结

ThyGPT，受 ChatGPT 启发、由 AI 生成的内容增强型 CAD 模型，帮助放射科医生进行甲状腺结节风险评估并提升诊断性能，尤其对初级临床医生更具帮助。

ABSTRACT

An artificial intelligence-generated content-enhanced computer-aided diagnosis (AIGC-CAD) model, designated as ThyGPT, has been developed. This model, inspired by the architecture of ChatGPT, could assist radiologists in assessing the risk of thyroid nodules through semantic-level human-machine interaction. A dataset comprising 19,165 thyroid nodule ultrasound cases from Zhejiang Cancer Hospital was assembled to facilitate the training and validation of the model. After training, ThyGPT could automatically evaluate thyroid nodule and engage in effective communication with physicians through human-computer interaction. The performance of ThyGPT was rigorously quantified using established metrics such as the receiver operating characteristic (ROC) curve, area under the curve (AUC), sensitivity, and specificity. The empirical findings revealed that radiologists, when supplemented with ThyGPT, markedly surpassed the diagnostic acumen of their peers utilizing traditional methods as well as the performance of the model in isolation. These findings suggest that AIGC-CAD systems, exemplified by ThyGPT, hold the promise to fundamentally transform the diagnostic workflows of radiologists in forthcoming years.

研究动机与目标

• 通过添加可解释的 AI 生成内容来弥合临床医生与 CAD 模型之间的交互和理解差异。
• 构建在多来源甲状腺数据上训练的大型语言模型（ThyGPT），用于评估结节风险。
• 实现语义层面的沟通和特征贡献标注，以支持临床决策。

提出的方法

• 以 LLaMA2-13B 为基础架构，并用甲状腺特定指令和报告进行微调。
• 整合使用 Swin-Transformer 与 DCNN 的图像分析模块，用于特征提取和热力图生成。
• 在基于 Lang-Chain 的框架中将图像分析与结节识别融合，以实现交互式解释。
• 在浙江省肿瘤医院的大型数据集（19,165 名患者，12,073 份报告）上进行训练，并以 ROC、AUC、灵敏度和特异度进行评估。
• 使用数据增强（旋转 ±10°、随机裁切、放缩 80–120%）以提高在不同超声设备上的鲁棒性。

实验结果

研究问题

• RQ1 是否可以通过 ChatGPT 风格的大型语言模型提供甲状腺结节风险评估的透明推理和特征贡献？
• RQ2 将 AIGC-CAD 与放射科医生结合是否比仅靠放射科医生或独立 CAD 提高诊断准确性？
• RQ3 ThyGPT 在独立测试集上对初级和资深放射科医生的诊断性能有何影响？
• RQ4 可解释输出（热力图和文本推理）在临床医生信任和决策中的作用是什么？

主要发现

• ThyGPT 在测试集 1 上的 AUC 达到 0.909。
• 在 ThyGPT 的辅助下，初级医生的灵敏度提高了 27.1–28.5%，特异度提高了 19.4–21.3%。
• 在 ThyGPT 的辅助下，资深医生的灵敏度提高了 11.1–14.3%，特异度提高了 9.2–10.6%。
• ThyGPT 单独在独立测试集上的灵敏度为 84.7–86.2%，特异度为 87.0–88.3% 。
• 放射科医生加上 ThyGPT 的表现有时超过独立 AI 模型，并在某些指标上达到了资深医生的水平甚至超越。
• ThyGPT 有助于降低观察者之间的变异性，并提供透明、基于推理的诊断支持。