本研究对大语言模型(large language model,LLM)、数据查询机器人(data query robot,DQR)的发展历程和研究现状进行了介绍,同时通过实证分析,探讨了在数字医学领域中,基于LLM的DQR的实际应用效果及其在处理医疗数据查询和分析的复杂任...本研究对大语言模型(large language model,LLM)、数据查询机器人(data query robot,DQR)的发展历程和研究现状进行了介绍,同时通过实证分析,探讨了在数字医学领域中,基于LLM的DQR的实际应用效果及其在处理医疗数据查询和分析的复杂任务中的作用,证实了基于LLM的DQR能为非技术人员提供一个直观且便捷的工具,显著提升医疗数据的查询效率和分析能力。此外,本文还探讨了LLM和DQR技术在当前应用中的局限性及未来发展潜力,为进一步的研究和应用提供参考。展开更多
目的本研究旨在探讨多参数MRI膀胱影像报告与数据系统(vesical imaging reporting and data system,VI-RADS)预测肌层浸润性膀胱癌的准确性。方法本研究涵盖了113名经过特殊膀胱磁共振成像(mpMRI)检测的病例。在评估过程中,由两位资深...目的本研究旨在探讨多参数MRI膀胱影像报告与数据系统(vesical imaging reporting and data system,VI-RADS)预测肌层浸润性膀胱癌的准确性。方法本研究涵盖了113名经过特殊膀胱磁共振成像(mpMRI)检测的病例。在评估过程中,由两位资深的放射学专家遵循VI-RADS系统的指导方针,独立完成了对影像资料的评分工作。通过t检验和卡方检验初步比较临床病理数据,再用多因素logistic回归模型来确定与肌层浸润性膀胱癌相关预测因素。本研究通过受试者工作特征(receiver operating characteristic,ROC)曲线的分析方法,评估了VI-RADS评分系统在识别膀胱癌是否侵犯肌层方面的准确性。研究中计算了ROC曲线下的面积(area under the curve,AUC),以此来衡量诊断模型的整体性能。此外,根据不同的评分界限,我们进一步分析了诊断的敏感性(sensitivity)、特异性(specificity)、以及预测膀胱癌肌层浸润的阳性(positive predictive value,PPV)和阴性(negative predictive value,NPV)预测值。结果本研究共纳入113例患者,男91例,女22例。多变量logistic回归模型分析结果显示只有高的VI-RADS评分与肌层浸润性膀胱癌有关(优势比为8.56;P<0.001)。VIRADS评分ROC曲线下面积为0.91。VI-RADS评分根据不同的阈值来定义肌层浸润性膀胱癌。当把VI-RADS≥3设置为阈值时,敏感度、特异度、阳性预测值(positive predictive Value,PPV)、阴性预测值(negative predictive value,NPV)分别为90%、78%、60%、96%。MIBC的分界点移至VIRADS≥4,则敏感度、特异度、PPV、NPV分别为90%、82%、64%、96%。结论VI-RADS评分能够较准确地预测肌层浸润性膀胱癌,是一种有效的、有前途的术前预测肌层浸润性膀胱癌的方法。展开更多
文摘本研究对大语言模型(large language model,LLM)、数据查询机器人(data query robot,DQR)的发展历程和研究现状进行了介绍,同时通过实证分析,探讨了在数字医学领域中,基于LLM的DQR的实际应用效果及其在处理医疗数据查询和分析的复杂任务中的作用,证实了基于LLM的DQR能为非技术人员提供一个直观且便捷的工具,显著提升医疗数据的查询效率和分析能力。此外,本文还探讨了LLM和DQR技术在当前应用中的局限性及未来发展潜力,为进一步的研究和应用提供参考。
文摘目的本研究旨在探讨多参数MRI膀胱影像报告与数据系统(vesical imaging reporting and data system,VI-RADS)预测肌层浸润性膀胱癌的准确性。方法本研究涵盖了113名经过特殊膀胱磁共振成像(mpMRI)检测的病例。在评估过程中,由两位资深的放射学专家遵循VI-RADS系统的指导方针,独立完成了对影像资料的评分工作。通过t检验和卡方检验初步比较临床病理数据,再用多因素logistic回归模型来确定与肌层浸润性膀胱癌相关预测因素。本研究通过受试者工作特征(receiver operating characteristic,ROC)曲线的分析方法,评估了VI-RADS评分系统在识别膀胱癌是否侵犯肌层方面的准确性。研究中计算了ROC曲线下的面积(area under the curve,AUC),以此来衡量诊断模型的整体性能。此外,根据不同的评分界限,我们进一步分析了诊断的敏感性(sensitivity)、特异性(specificity)、以及预测膀胱癌肌层浸润的阳性(positive predictive value,PPV)和阴性(negative predictive value,NPV)预测值。结果本研究共纳入113例患者,男91例,女22例。多变量logistic回归模型分析结果显示只有高的VI-RADS评分与肌层浸润性膀胱癌有关(优势比为8.56;P<0.001)。VIRADS评分ROC曲线下面积为0.91。VI-RADS评分根据不同的阈值来定义肌层浸润性膀胱癌。当把VI-RADS≥3设置为阈值时,敏感度、特异度、阳性预测值(positive predictive Value,PPV)、阴性预测值(negative predictive value,NPV)分别为90%、78%、60%、96%。MIBC的分界点移至VIRADS≥4,则敏感度、特异度、PPV、NPV分别为90%、82%、64%、96%。结论VI-RADS评分能够较准确地预测肌层浸润性膀胱癌,是一种有效的、有前途的术前预测肌层浸润性膀胱癌的方法。
