首页 > 数字医学与健康 > 多模态大语言模型应用于宫颈病变诊断的可行性研究

多模态大语言模型应用于宫颈病变诊断的可行性研究

Feasibility study on the application of multimodal large language models in the diagnosis of cervical lesions

摘要目的:基于阴道镜宫颈图像及其临床文本信息，探索利用多模态大语言模型GPT-4o诊断宫颈癌及癌前病变［中度及以上宫颈上皮内瘤样病变（CIN2+）］的可行性，并探讨不同信息输入模式（尤其是提示工程与少样本学习模式）对模型诊断效能的影响。方法:回顾性纳入2023年1—12月在鄂尔多斯市三家妇幼保健院接受阴道镜检查的患者144例。根据是否提供临床文本信息［人乳头状瘤病毒/液基细胞学检查（HPV/TCT）初筛结果］以及是否给予示例和结构化提示，设计四种判读模式：标准零样本判读（SZD）、仅图像零样本判读（IZD）、提示增强少样本判读（PA-FSD）和仅图像提示增强少样本判读（IPA-FSD）。通过比较不同模式下诊断CIN2+的准确率、敏感度、特异度等指标，评估模型的诊断能力。结果:在所有模式中，PA-FSD表现最优，准确率为0.854，敏感度为0.820，特异度为0.872，F1值为0.796，与组织病理金标准的一致性最高（κ=0.683）。PA-FSD的准确率显著高于IPA-FSD、SZD和IZD模式（均 P<0.01）。结论:GPT-4o在CIN2+的识别中展现出良好的可行性。通过融合临床文本信息与结构化推理提示，模型诊断性能得到显著增强，尤其在少样本学习场景下优于传统零样本模式。

作者王宇婷 ^[1] Cui Victor Yu ^[2] 薛鹏 ^[1] 张乐 ^[3] 刘美凤 ^[3] 曹小燕 ^[4] 王翠 ^[5] 乔友林 ^[1] 学术成果认领

作者单位中国医学科学院北京协和医学院群医学及公共卫生学院，北京　100300 ^[1] 清华大学万科公共卫生与健康学院，北京　100084 ^[2] 鄂尔多斯市妇幼保健院妇产科，鄂尔多斯　017000 ^[3] 乌审旗妇幼保健院妇产科，鄂尔多斯　017300 ^[4] 达拉特旗妇幼保健院妇产科，鄂尔多斯　017000 ^[5]

关键词宫颈肿瘤大语言模型诊断能力提示词工程上下文学习 Uterine cervical neoplasms Large language models Diagnostic capability Prompt engineering In-context learning

栏目名称

论著

DOI 10.3760/cma.j.cn101909-20251116-00215

发布时间 2026-02-18（万方平台首次上网日期，不代表论文的发表时间）