Improving diagnostic accuracy in preoperative glioma classification: performance of knowledge-enhanced large language models compared with radiologists
8.5
来源：
Nature
关键字：
AI brain science
发布时间：
2025-11-28 03:37
摘要：
本研究评估了三种大型语言模型在胶质瘤分类中的表现，采用知识增强的提示策略显著提高了诊断一致性和准确性。研究结果显示，这些模型的表现接近资深放射科医生，尤其在支持初级医生的诊断方面具有重要潜力。研究在中国进行，涉及150名患者，结果对国际胶质瘤分类具有重要意义，展示了AI在医疗影像分析中的应用前景。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
1.0分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
0.5分
关键证据
知识增强的提示策略在所有大型语言模型中表现优越，显著提高了诊断一致性。
研究显示，知识增强的语言模型在胶质瘤分类中达到了与资深放射科医生相似的表现。
研究结果表明，LLM的辅助显著提高了初级放射科医生的诊断准确性和信心。
真实性检查
否
AI评分总结
本研究评估了三种大型语言模型在胶质瘤分类中的表现，采用知识增强的提示策略显著提高了诊断一致性和准确性。研究结果显示，这些模型的表现接近资深放射科医生，尤其在支持初级医生的诊断方面具有重要潜力。研究在中国进行，涉及150名患者，结果对国际胶质瘤分类具有重要意义，展示了AI在医疗影像分析中的应用前景。