复旦大学最新Cell子刊：DeepSeek-R1、GPT-4等大语言模型可增强肺癌筛查的临床决策

撰文丨王聪 编辑丨王多鱼 排版丨水成文 肺癌 是全球最具侵袭性和普遍性的癌症之一，2020 年预估新增病例达 220 万例，死亡病例达 180 万例。多数肺癌病例在进展至晚期前无明显症状，而晚期治 疗选择往往有限，导致五年生存率低于 10%。 自美国国家肺癌筛查试验证明年度 低剂量计算机断层扫描 （LDCT） 筛查可显著降低肺癌死亡率后，LDCT 已成为改善预后和生存率的关键策略，尤其对肺癌高 危人群而言。LDCT 扫描过程中有时会偶然发现被称为肺结节的小团块 （＜3厘米） 。发现结节后需立即决策：是采取正电子发射断层扫描-CT、活检甚至手术 等即时干预措施，还是仅需制定不同间隔期的常规随访方案。此类决策通常由门诊医生完成，因此可能受益于专业的临床决策支持系统。 大语言模型 （LLM） 是基于数十亿来自文章、书籍和其他互联网内容的单词训练而成的人工智能系统。在过去两年中，越来越多的研究探索了 LLM 在支持诊断 和治疗决策方面的巨大潜力。在肺癌领域，LLM 已被用于回答非专业人士的肺癌相关问题、对自由文本 CT 报告进行数据挖掘以及评估肺结节患者的纵向 CT 图 像。最近有两项研究评估了开源大语言模型 Dee ...