原題
Benchmarking a Foundation Large Language Model on its Ability to Relabel Structure Names in Accordance With the American Association of Physicists in Medicine Task Group-263 Report.
背景:本研究の目的は、米国医学物理学者協会タスクグループ-263標準に従って構造名を再ラベル付けするための大規模言語モデル(LLM)の適用を検討し、将来の研究のためのベンチマークを確立することである。
方法:GPT-4をDigital Imaging and Communications in Medicineサーバに統合し、前立腺、頭頸部、および胸部の疾患部位に対して提供されたファイルに基づいて構造名を再ラベル付けした。計150名の患者が調整に使用され、50名が評価に使用された。
結果:精度はそれぞれの部位で97.2%、98.3%、および97.1%であり、主要な症例では臨床標的体積の完全な再ラベリングが行われた。
結論:これは、GPT-4が放射線腫瘍学における構造名を標準化する可能性を示している。
Journal: Pract Radiat Oncol (CiteScore 2022: 4.6)
DOI: 10.1016/j.prro.2024.04.017
PMID: 39243241
コメント