首页 > 中国医学物理学杂志 > 评估通用与领域特定大视觉模型在食管癌CT的T分期中的应用:一项关于零样本性能及提示词工程影响的研究

评估通用与领域特定大视觉模型在食管癌CT的T分期中的应用:一项关于零样本性能及提示词工程影响的研究

Evaluating generic and domain-specific large visual models for T staging of esophageal cancer using CT:a study of zero-shot performance and the impact of prompt engineering

二维码有效期 120s

摘要背景:食管癌精准T分期对治疗至关重要,但CT评估局限明显.大视觉模型(LVMs)提供了新可能,但其未经微调的"零样本"临床诊断能力尚待验证.方法:本研究回顾性分析98例食管癌及50例正常对照的胸部CT影像,在放射科专家共识的金标准下,通过不同复杂度的提示词,评估GPT-5、Gemini及MedGemma的零样本T分期性能.结果:GPT-5表现出最高的准确性与稳定性.模型间存在显著偏倚:Gemini倾向过度分期,MedGemma则倾向分期不足.所有模型对早期肿瘤判断均不佳,但结构化提示词能提升对中晚期病灶的诊断性能.结论:LVMs具备零样本T分期的潜力,但性能高度依赖模型选择与提示词设计.通用模型GPT-5的零样本泛化能力更优.当前模型性能,尤其在早期诊断上,远未达到临床应用标准.未来方向在于高质量数据微调与标准化提示框架开发.

作者朱大兵 ^[1] 高伟 ^[2] 林杨皓 ^[1] 赖武浩 ^[3] 梁志超 ^[3] 曾宪一 ^[2] 邓希楷 ^[2] 安军 ^[4] 学术成果认领

作者单位中山大学附属第三医院粤东医院放射科,广东梅州 514700 ^[1] 联通数智医疗科技有限公司,广东广州 511457 ^[2] 中山大学附属第三医院粤东医院心胸外科,广东梅州 514700 ^[3] 中山大学附属第三医院粤东医院心胸外科,广东梅州 514700;中山大学附属第三医院心胸外科,广东广州 510630 ^[4]

关键词食管癌大视觉模型 CT分期提示词工程领域专用模型零样本学习诊断准确性 esophageal cancer large vision model computed tomography staging prompt engineering domain-specific model zero-shot learning diagnostic accuracy

分类号 R318（医用一般科学）R735.1（消化系肿瘤）

栏目名称

医学人工智能

DOI 10.3969/j.issn.1005-202X.2025.11.019

发布时间 2025-12-11（万方平台首次上网日期，不代表论文的发表时间）

基金项目

教育部卓越工程师教育培养计划项目产学合作协同育人项目（22087043260712）梅州市医学科研项目（2024C0302005）