British Journal of Ophthalmology期刊近期发表了一篇来自香港理工大学眼科视光学院研究团队的研究，该研究揭示了GPT-4V在处理眼科多模态图像方面的不足，并为进一步改进和测试多模态大语言模型在眼科领域的临床应用提供了一个新的基准测试数据集（OphthalVQA）。
原文献信息：
![]()
近年来，人工智能（AI）在医疗领域的应用迅速发展，特别是在眼科这种高度依赖图像诊断的学科中。GPT-4V是由OpenAI发布的多模态大语言模型（LLM），其不仅在开放世界视觉理解、视觉描述、多模态知识、常识、场景文本理解、文档推理、编码、时间推理、抽象推理、情感理解等方面有出色的表现，也在诸多包含胸部CT、脑部MRI等医学影像的医学基准测试任务中有令人印象深刻的表现。在眼科诊疗中，各种图像模态如裂隙灯照相、眼底照相、光学相干断层扫描（OCT）、眼底荧光血管造影（FFA）、眼部超声等对于眼科疾病的诊疗至关重要。然而，尚未有系统的研究评估GPT-4V在眼科多模态图像中的表现。该研究旨在评估GPT-4V在眼科多模态图像分析中的表现，探讨其在临床决策和患者咨询中的潜力。该研究使用包含6个模态、60张图像和600个问题的数据集进行测试。这些图像包括裂隙灯照相、广域眼底照相、后极部眼底彩照、OCT、FFA和眼部超声。每张图像对应10个开放性问题，涵盖检查种类、病变检测、诊断、进一步检查、治疗、病因、视力预后、并发症、疾病进展和预防。眼科医生人工评估了GPT-4V的回答，重点关注其准确性、可用性、安全性以及关于诊断问答的可重复性。其中准确性分为：准确、部分准确和不准确；可用性分为：高度可用、部分可用和不可用；安全性分为：没有危害、轻度危害和严重危害。结果显示：在GPT-4V的600个回答中，仅30.6%为准确，21.5%为高度可用，55.6%被认为没有危害。GPT-4V在裂隙灯照相中表现最佳，准确率、高度可用率和没有危害率分别为42.0%、38.5%和68.5%。然而，在后极部眼底彩照中表现最差，仅有13.7%的回答准确，3.7%高度可用，38.5%的回答没有危害。尽管GPT-4V正确识别了95.6%的眼部图像模态类型，但在病变识别（25.6%）、诊断（16.1%）和决策支持（24.0%）方面表现不佳。此外，在询问图像诊断的问答中，GPT-4V的回答可重复性仅为63.3%（38/60）。
![]()
该研究建立了一个新的眼科多模态基准测试数据集（OphthalVQA），并将其用于评估GPT-4V在处理眼科多模态图片中的表现。结果发现GPT-4V在眼科多模态图片的问答中，仅30.6%的回答为准确，21.5%为高度可用，55.6%被认为没有危害。该研究认为：尽管GPT-4V在眼科多模态图像分析中展示了一定的潜力，但目前仍无法用于临床决策和患者咨询。本文第一作者为香港理工大学研究助理许普生，共同第一作者为一年级博士生陈晓兰和赵紫薇。通讯作者为香港理工大学研究助理教授施丹莉。
施丹莉，香港理工大学研究助理教授，主要研究方向为眼科数字健康、生成式人工智能、多模态人工智能，以及人工智能的临床转化。
关于 British Journal of Ophthalmology
| British Journal of Ophthalmology（BJO）服务于眼科医生和视觉科学专家，发表眼科学临床研究、临床观察以及临床相关的实验室研究。 |
欢迎订阅期刊Email Alerts获取最新文章资讯：
![]()
https://emails.bmj.com/k/Bmj/jausu/bjophthalmol
