GPT-5-Thinking辅助识别眼眶及头颈部肿瘤MRI报告
摘要
该研究在两家中心开展，纳入1000例经病理证实的眼眶或头颈部肿瘤患者，使用GPT-5-Thinking模型分析其治疗前MRI报告。模型输出良恶性判断及前三项鉴别诊断。第一阶段显示，模型对眼眶肿瘤的Top-1诊断准确率为76.7%，与亚专科医生的78.3%相近；第二阶段中，7名普通放射科医生在AI辅助下重读报告，诊断准确性提升。
信息来源： PubMed Ophthalmology 发布于 2026年9月1日
要点速览
- 研究纳入1000例经病理证实的眼眶或头颈部肿瘤患者，平均年龄51岁，其中520名为男性。
- GPT-5-Thinking模型基于MRI文字报告输出良恶性判断及前三项鉴别诊断。
- Phase 1中，模型对眼眶肿瘤的Top-1诊断准确率为76.7%，与亚专科医生的78.3%接近。
本站解读
这项研究发现，GPT-5-Thinking在眼眶肿瘤MRI报告解读上，能逼近亚专科医生水平——76.7%的Top-1准确率几乎持平于78.3%的亚专科医生表现。样本量达1000例，双中心、回顾性设计合理，但属于便利抽样，且未说明报告撰写者资质和影像质量控制细节，临床泛化能力仍有待验证。
短期内难直接改变临床流程：模型仅处理文字报告而非原始图像，无法替代影像判读本身；且研究未测试实时嵌入工作流的效果或误诊后果。它更可能先作为放射科医生的‘第二意见’工具，而非独立决策系统。
普通人无需因此调整行为——这不涉及筛查建议、生活方式或就诊节奏。AI辅助的是医生端的诊断支持，不是患者可操作的新检查或新干预。国内情况有待确认。
常见问题
这个AI能帮我直接看懂自己的MRI报告吗？
不能。该模型只供放射科医生使用，需输入专业MRI描述文本，不面向患者开放，也不解释图像或提供个人健康建议。如有疑虑可咨询眼科医生。
以后做眼眶肿瘤检查，医生会用这个AI帮忙诊断吗？
目前不会立即应用。研究处于早期验证阶段，尚未整合进临床系统，也未证明能降低误诊率或改善患者结局。它仍需通过真实世界测试和监管审批才可能落地。
延伸阅读
动态聚合联邦学习用于视网膜静脉阻塞检测
研究提出一种新型联邦学习框架，用于在多家医疗机构间协同训练视网膜静脉阻塞（RVO）AI检测模型。该框架在服务器端根据数据分布特征，自动选择FedAvg或SCAFFOLD算法进行模型聚合，通过监测通信轮次间的归一化L2散度实现动态切换。实验在模拟的5个客户端、二分类RVO数据集上验证，覆盖IID与非IID两种数据分布场景。
多光谱成像联合生成模型提升眼底分类准确率
研究团队利用多光谱眼底相机采集102名患者（共2040张图像）的416–1213 nm波段图像，构建条件变分自编码器（CVAE）模型进行健康/病变眼底分类。结果显示，在416–955 nm波段、最高分辨率（1757×1757像素）下，模型达到100%准确率、敏感性和特异性；其他配置下准确率96%–98%，敏感性92%–98%，特异性97%–100%。研究证实该方法具备高鲁棒性与临床筛查潜力。
多模态多任务AI模型优化角膜塑形镜适配
本研究开发了一种多模态多任务人工智能（AI）模型，旨在通过分析角膜地形图模式和预测眼轴长度（AL）增长，同时输出最佳的角膜塑形镜（Ortho-K）参数及预测的眼轴增长概率，以支持临床决策。该模型基于3529只近视眼的数据，包括Euclid和Alpha设计的Ortho-K镜片。研究结果显示，该模型在分类角膜地形图模式、预测眼轴增长率以及推荐镜片参数方面表现优异，为Ortho-K镜片的适配提供了有价值的决策支持。