利用 GPT-4 生成的结构化报告提高诊断准确性和效率：综合研究

摘要 目的 对自由文本对比增强超声（CEUS）报告的解读可能会导致诊断错误和延长患者等待时间。生成式预训练转换器（GPT）-4 是一种最先进的自然语言处理模型，可通过从非结构化数据生成结构化医疗报告来提高诊断效率。本实验研究探讨了 GPT-4 生成的结构化报告对医生在肝结节 CEUS 检查中诊断效率的影响，并比较了他们与使用传统自由文本报告的医生的表现。 方法 共收集了 159 份 CEUS 报告，并使用 GPT-4 进行了结构化处理，30 名不同经验水平的医生参与了研究。比较了使用自由文本报告和使用结构化报告的医生在诊断效率和准确性方面的表现。 结果 研究显示，与传统的自由文本报告相比，使用 GPT-4 生成的结构化报告的医生在诊断效率（20 分钟对 17 分钟）和准确性（73% 对 79%）方面有明显提高。这一趋势在所有经验水平的医生中都是一致的。来自一线超声医生的定性见解为 GPT-4 生成的结构化报告的优缺点提供了宝贵的反馈意见。 结论 GPT-4 生成的结构化报告在提高肝结节 CEUS 检查的诊断效率和准确性方面显示出潜力。尽管存在一定的局限性，但在未来的迭代中完善 GPT-4 或类似的自然语言处理模型可以产生更大的效益。未来的研究应探索更广泛的临床应用，并研究 GPT 模型和自然语言处理技术在决策支持、患者沟通和医学研究等领域的应用，最终为改善患者护理和医疗效果做出贡献。 临床意义 本研究表明，GPT-4 生成的结构化报告可提高肝结节 CEUS 检查的诊断效率和准确性，通过减少诊断错误和患者等待时间来改善患者护理和治疗效果。