编辑推荐：
在医疗领域，确保 CT 扫描合理使用至关重要。研究人员开展了 “Comparison of CT referral justification using clinical decision support and large language models in a large European cohort” 研究。结果显示独立专家在评估中表现最佳，但 LLMs 在器官预测方面有潜力。这为优化 CT 转诊提供了新方向。
在现代医疗体系中，CT 扫描作为一项重要的诊断手段，却也带来了诸多问题。一方面，CT 检查产生的辐射在医疗辐射源中占比最大，过度或不恰当的使用会让患者承受不必要的辐射风险，危害身体健康。另一方面，回顾性研究发现，依据临床指南评估转诊情况时，CT 不恰当使用率在 10% - 39% 之间。而且，随着技术进步、人口增长以及检查适应症的扩大，CT 的整体使用量迅速上升，如何优化每一次 CT 检查的合理性变得刻不容缓，这既关乎患者安全，又影响着医疗资源的合理分配。
在这样的背景下，大语言模型（LLMs）凭借其强大的数据分析能力，逐渐在医疗领域崭露头角，有望辅助医生进行更精准的诊断决策，减少不必要的检查，提高医疗效率。与此同时，临床决策支持工具，如欧洲放射学会的 iGuide（ESR iGuide）临床决策支持系统，也在为 CT 转诊的合理性评估提供帮助。然而，LLMs 在 CT 转诊评估中的实际表现究竟如何，与独立专家和传统决策支持系统相比有哪些优势和不足，仍有待深入研究。
为了解开这些谜团，来自以色列特拉维夫大学、格特纳流行病学与卫生政策研究所等多个机构的研究人员，开展了一项大规模的研究。他们以欧洲 7 个国家 125 个成像设施的 6356 名患者的 CT 转诊数据为样本，进行回顾性分析。研究旨在评估 LLMs（生成式预训练变换器 4（GPT - 4）和 Claude - 3 Haiku）和独立专家在 CT 转诊合理性判断方面的表现，并将 ESR iGuide 临床决策支持系统作为参考标准进行对比。
研究人员采用了多种关键技术方法。首先，从电子病历和成像系统中提取患者数据，包括年龄、性别、临床背景等信息。对于数据处理，针对数据缺失和不一致的情况，将数据分类为 “Medical Test”“Organ - Body Part”“Contrast” 三个主要部分分别处理。在评估模型性能时，运用准确性、精确性、召回率、F1 分数和 Cohen's kappa 等指标，通过二进制编码和引导程序进行量化分析，确保评估的科学性和可靠性。
在研究结果方面：
- 医学检查评估性能：独立专家在医学检查合理性判断上表现最佳，准确率达到 92.4%，超过 GPT - 4（88.8%）和 Claude - 3 Haiku（85.2%）。从 Cohen's kappa 值来看，临床医生为 0.72，Claude - 3 Haiku 为 0.186，GPT - 4 为 0.335，这表明独立专家与参考标准的一致性更高。
- 器官预测性能：LLMs 在器官预测方面表现出色，与专家水平相当。Claude - 3 Haiku 和 GPT - 4 的准确率分别为 75.3% - 77.8%，独立专家为 82.6%。它们的 kappa 值也显示出较高的一致性，说明在识别器官 - 身体部位方面，LLMs 具有一定可靠性。
- 对比剂预测性能：在对比剂预测中，GPT - 4 表现突出，准确率达到 57.4%，Cohen's kappa 值为 0.457，显示出与参考标准的中度一致性，超过独立专家和 Claude - 3 Haiku。而 Claude - 3 Haiku 在这方面表现较差，其预测结果与参考标准的标签分布差异较大，kappa 值仅为 0.006。
综合研究结果与讨论部分，该研究意义重大。一方面，明确了独立专家在 CT 转诊评估中的主导地位，凸显了临床判断和专业医学知识的不可替代。另一方面，LLMs 在器官预测等特定领域展现出潜力，为未来优化 CT 转诊评估提供了新的思路。不过，目前 LLMs 仍存在局限性，如在医学检查评估中召回率较低，可能导致漏诊。因此，未来应采用人机结合的方式，让 LLMs 作为辅助工具，与人类专家的判断相互补充。同时，还需进一步优化 LLMs，提高其性能，探索将其更好地融入临床工作流程的方法，以实现医疗资源的合理利用和临床决策的精准化，推动医学影像学的发展。
