Potencial de GPT-4 para detectar errores en informes de radiología
|
Aspectos destacados GPT-4 (ChatGPT; OpenAI) igualó el desempeño de los radiólogos en la detección de errores en los informes de radiología y tiene el potencial de reducir el tiempo y el costo de procesamiento. Resultados clave ■ De 200 informes de radiología (radiografía e imágenes transversales), GPT-4 (ChatGPT; OpenAI) igualó el rendimiento promedio de detección de errores de seis radiólogos (GPT-4, radiólogos senior, médicos tratantes y residentes: 82,7 % [124 de 150; IC del 95%: 75,8, 87,9], 89,3% [134 de 150; IC del 95%: 83,4, 93,3], y 80,0% [120 de 150; ; IC del 95%: 72,9, 85,6], respectivamente; rango de valor de p , 0,522–0,99). ■ GPT-4 requirió menos tiempo medio de lectura por informe que el lector humano más rápido del estudio (3,5 segundos ± 0,5 [DE] frente a 25,1 segundos ± 20,1, respectivamente; P < 0,001; Cohen d = −1,08). ■ GPT-4 dio como resultado un costo medio de corrección por informe más bajo que el radiólogo más rentable ($0,03 ± 0,01 frente a $0,42 ± 0,41, respectivamente; P < 0,001; Cohen d = −1,12). |
Introducción
Para que los informes de radiología sean eficaces, los radiólogos deben garantizar la precisión y la coherencia, especialmente entre las secciones de hallazgos e impresiones. Los residentes suelen redactar los informes radiológicos preliminares y, posteriormente, radiólogos certificados los revisan y aprueban. Este proceso legalmente necesario aumenta la precisión, pero requiere mucho tiempo y recursos. Además, las crecientes cargas de trabajo de los radiólogos, los entornos clínicos de alta presión y el reconocimiento de voz poco confiable significan que los informes de radiología son propensos a errores.
Un análisis reciente de los informes preliminares de los residentes mostró que los errores de notificación más comunes son las confusiones del discriminador de lateralidad (izquierda, derecha) y el registro erróneo de descriptores inadvertidos mediante el reconocimiento de voz (uno, ninguno). Estos dos errores, si no se corrigen, pueden tener graves repercusiones. Las herramientas de revisión más allá del corrector ortográfico básico no están disponibles de forma rutinaria para verificar estos errores.
GPT-4 (ChatGPT; OpenAI), un modelo de lenguaje grande autorregresivo, puede ofrecer soluciones potenciales a estos desafíos. Estudios recientes han demostrado aplicaciones potenciales de GPT-4 en la atención al paciente. Por ejemplo, transformar informes de radiología de texto libre en formatos estructurados, generar automáticamente la sección de impresión y generar informes de radiología competentes (por ejemplo, para fracturas de radio distal) subrayan su utilidad en la estandarización de informes. También se ha investigado el papel de GPT-4 en la educación y la expansión del conocimiento dentro del campo de la radiología.
El uso de GPT-4 para corregir informes de radiología podría aliviar la carga de trabajo de los radiólogos supervisores y ser un recurso educativo para los residentes porque podría corregir informes de radiología y señalar errores. Esto sería particularmente beneficioso si los residentes no tienen acceso a herramientas que realicen un seguimiento de las modificaciones del informe realizadas por los radiólogos supervisores. Por lo tanto, este estudio tuvo como objetivo evaluar el desempeño de GPT-4 en la detección de los errores y discrepancias más comunes en los informes de radiología y estimar su potencial para reducir tiempo y costos.<
Comentarios
Para ver los comentarios de sus colegas o para expresar su opinión debe ingresar con su cuenta de IntraMed.
