大语言模型对代谢相关脂肪性肝病的诊断价值分析

摘要

目的 探讨大语言模型对代谢相关脂肪性肝病(metabolic dysfunction-associated steatotic liver disease, MASLD)的诊断价值。方法 收集美国国家健康与营养检查调查(National Health and Nutrition Examination Survey, NHANES)数据库2017-2020年的2 311例受试者，通过ROC曲线下面积(area under curve,AUC)评估传统诊断评分与大语言模型在诊断MASLD风险方面的预测性能，采用DeLong方法来确定各AUC值之间是否存在统计学差异，采用特异度、敏感度、F1评分和Brier评分进一步评估模型的区分度。通过相关性矩阵图与皮尔逊相关系数评估不同评分系统之间的关系。结果 智谱清言的AUC值最高，为0.813(95%CI:0.796～0.830),高于通义千问(AUC=0.803,95%CI:0.786～0.821)。通义千问在特异度上表现最佳0.744(0.700～0.767),智谱清言在灵敏度上表现最佳0.849(0.813～0.882)。皮尔逊相关系数结果表明，其中脂肪肝指数(fatty liver index, FLI)与智谱清言皮尔逊相关系数值最高(r=0.83,P<0.05)。通义千问与智谱清言之间相关系数为0.80(P<0.05)。结论 人工智能大语言模型在诊断MASLD方面具有一定的可靠性和有效性，大语言模型在疾病诊断方面的潜力有待进一步挖掘。

关键词

代谢相关脂肪性肝病 / ROC曲线 / 大语言模型 / 美国脂肪肝指数 / 脂肪肝指数