亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Outcome Prediction Using Multi-Modal Information: Integrating Large Language Model-Extracted Clinical Information and Image Analysis

计算机科学 结果(博弈论) 情态动词 图像(数学) 信息模型 人工智能 数据挖掘 模式识别(心理学) 情报检索 机器学习 自然语言处理 软件工程 数学 化学 数理经济学 高分子化学
作者
D. H. Sun,Lubomir M. Hadjiiski,John Gormley,Heang‐Ping Chan,Elaine M. Caoili,Richard H. Cohan,Ajjai Alva,Bruno Giulia,Rada Mihalcea,Chuan Zhou,Vikas Gulani
出处
期刊:Cancers [Multidisciplinary Digital Publishing Institute]
卷期号:16 (13): 2402-2402
标识
DOI:10.3390/cancers16132402
摘要

Survival prediction post-cystectomy is essential for the follow-up care of bladder cancer patients. This study aimed to evaluate artificial intelligence (AI)-large language models (LLMs) for extracting clinical information and improving image analysis, with an initial application involving predicting five-year survival rates of patients after radical cystectomy for bladder cancer. Data were retrospectively collected from medical records and CT urograms (CTUs) of bladder cancer patients between 2001 and 2020. Of 781 patients, 163 underwent chemotherapy, had pre- and post-chemotherapy CTUs, underwent radical cystectomy, and had an available post-surgery five-year survival follow-up. Five AI-LLMs (Dolly-v2, Vicuna-13b, Llama-2.0-13b, GPT-3.5, and GPT-4.0) were used to extract clinical descriptors from each patient’s medical records. As a reference standard, clinical descriptors were also extracted manually. Radiomics and deep learning descriptors were extracted from CTU images. The developed multi-modal predictive model, CRD, was based on the clinical (C), radiomics (R), and deep learning (D) descriptors. The LLM retrieval accuracy was assessed. The performances of the survival predictive models were evaluated using AUC and Kaplan–Meier analysis. For the 163 patients (mean age 64 ± 9 years; M:F 131:32), the LLMs achieved extraction accuracies of 74%~87% (Dolly), 76%~83% (Vicuna), 82%~93% (Llama), 85%~91% (GPT-3.5), and 94%~97% (GPT-4.0). For a test dataset of 64 patients, the CRD model achieved AUCs of 0.89 ± 0.04 (manually extracted information), 0.87 ± 0.05 (Dolly), 0.83 ± 0.06~0.84 ± 0.05 (Vicuna), 0.81 ± 0.06~0.86 ± 0.05 (Llama), 0.85 ± 0.05~0.88 ± 0.05 (GPT-3.5), and 0.87 ± 0.05~0.88 ± 0.05 (GPT-4.0). This study demonstrates the use of LLM model-extracted clinical information, in conjunction with imaging analysis, to improve the prediction of clinical outcomes, with bladder cancer as an initial example.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
parantal发布了新的文献求助30
7秒前
深情的飞烟完成签到,获得积分10
12秒前
42秒前
细腻伯云完成签到,获得积分10
49秒前
大气钧完成签到,获得积分10
57秒前
1分钟前
1分钟前
1分钟前
风吹麦浪的应助被科研通管家采纳,获得10
1分钟前
威武的碧玉完成签到,获得积分10
1分钟前
忧郁凝阳完成签到,获得积分10
1分钟前
欢喜的小蕾完成签到,获得积分10
2分钟前
2分钟前
Hhhhh发布了新的文献求助10
2分钟前
2分钟前
小麻发布了新的文献求助10
2分钟前
丘比特的应助被小麻采纳,获得10
2分钟前
2分钟前
小蘑菇的应助被灵剑山采纳,获得10
2分钟前
安静的卿完成签到,获得积分10
2分钟前
wsdow完成签到,获得积分10
3分钟前
兴奋的疾完成签到,获得积分10
3分钟前
852的应助被ahworld采纳,获得10
3分钟前
迷人悒完成签到,获得积分10
3分钟前
虚拟的元正完成签到,获得积分10
3分钟前
yyy完成签到 ,获得积分10
3分钟前
ding的应助被ahworld采纳,获得10
3分钟前
fantasy的应助被科研通管家采纳,获得10
3分钟前
null的应助被科研通管家采纳,获得10
3分钟前
3分钟前
3分钟前
淡淡的怜翠完成签到,获得积分10
3分钟前
3分钟前
ni完成签到 ,获得积分10
3分钟前
ahworld发布了新的文献求助10
3分钟前
温不胜的破木吉他完成签到 ,获得积分10
3分钟前
安可完成签到,获得积分20
4分钟前
希望天下0贩的0的应助被安可采纳,获得10
4分钟前
深情豁完成签到,获得积分10
4分钟前
温柔的香岚完成签到,获得积分10
4分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173069
求助须知:如何正确求助?哪些是违规求助? 9565519
关于积分的说明 21780383
捐赠科研通 7765085
什么是DOI,文献DOI怎么找? 3431528
关于科研通互助平台的介绍 2555638
邀请新用户注册赠送积分活动 2476668