1. 领域背景与文献
文献英文标题：A Novel Approach to Ovarian Cancer Diagnosis via CT Imaging: GPT-4o-Driven Automated Feature Recognition and Validation in Clinical Settings；
发表期刊：《Annals of Surgical Oncology》；影响因子：未公开；研究领域：妇科肿瘤学、医学影像人工智能
卵巢癌是全球女性第八大常见癌症，2022年占新发癌症病例的3.4%、癌症相关死亡的4.8%，是妇科肿瘤中死亡率最高的类型，其核心原因在于早期症状不典型且缺乏可靠的早期诊断生物标志物，55%的患者初诊时已处于转移性阶段，5年生存率仅31.4%；而当肿瘤局限于卵巢或输卵管（FIGO I期）时，5年生存率可超过90%，因此早期精准诊断是改善卵巢癌患者预后的关键。目前卵巢癌确诊的金标准是手术切除后的组织病理学检查，但该方法仅能在术后实施，术前亟需可靠的评估手段指导临床决策。盆腔计算机断层扫描（CT）是疑似卵巢癌患者术前评估的常规影像工具，其关键特征（囊壁与间隔状态、结节或乳头状突起、密度与强化分布、囊实性特征）是鉴别良恶性卵巢肿块的核心依据，但传统影像解读高度依赖医生经验，存在观察者间差异。领域共识：传统人工智能模型（如卷积神经网络）虽可辅助影像诊断，但存在“黑箱”效应、依赖大规模标注数据集、需要专业工程知识构建模型的局限，难以在基层医疗机构推广。视觉大语言模型如GPT-4o的出现为解决上述问题提供了新方向，本研究旨在评估其自动识别卵巢癌CT特征并辅助临床诊断的性能，填补了视觉大语言模型在妇科肿瘤影像诊断领域的研究空白。
2. 文献综述解析
作者将现有卵巢癌诊断相关研究分为三类：一是基于手术病理的确诊金标准研究，二是基于医学影像的人工解读研究，三是基于人工智能的影像辅助诊断研究，其中第三类进一步细分为传统机器学习/深度学习模型与新兴视觉大语言模型研究。
现有研究中，手术病理诊断是卵巢癌确诊的唯一金标准，但无法满足术前快速评估的需求；医学影像人工解读是术前评估的核心手段，但受医生经验影响大，诊断一致性不足；传统人工智能模型可通过提取影像特征提升诊断效率，但其输出缺乏可解释性，且依赖大规模精准标注的数据集，样本量不足时易出现过拟合，同时需要专业工程人员参与模型构建，技术门槛较高，难以在基层医疗机构普及。
本研究的创新价值在于首次将GPT-4o视觉大语言模型应用于卵巢癌CT诊断，通过10-shot少量样本训练即可掌握良恶性卵巢病变的CT特征差异，输出包含具体影像特征的可解释性诊断报告，无需专业神经网络构建知识，解决了传统AI模型的“黑箱”问题与技术门槛高的局限；同时验证了该模型对经验不足的妇科肿瘤医生的诊断辅助作用，为卵巢癌早期诊断提供了一种易推广、可解释的新工具，弥补了现有研究中AI模型临床可及性不足的缺陷。
3. 研究思路总结与详细解析
本研究的核心目标是评估GPT-4o基于盆腔CT图像自动识别早期卵巢癌高危特征并辅助临床诊断的性能，核心科学问题包括GPT-4o能否准确识别卵巢癌的4项关键CT特征、其诊断性能与临床专家的差异，以及能否提升不同经验层级医生的诊断准确性；研究采用“多中心队列构建→CT图像标准化预处理→GPT-4o少量样本训练→诊断性能与特征一致性评估→重测实验验证重复性与辅助价值→统计分析”的闭环技术路线，通过多中心临床样本与对照实验确保结果的可靠性。
3.1 研究设计与患者队列构建
实验目的是建立标准化的临床研究队列，确保纳入样本符合早期卵巢癌与良性病变的诊断标准，为后续模型评估提供可靠数据基础。方法细节为从两家医疗机构纳入2018年7月至2024年6月期间，年龄≥18岁、拥有完整术前薄层盆腔CT图像、经病理确诊为FIGO I期卵巢癌或良性卵巢病变的患者，同时纳入The Cancer Imaging Archive（TCIA）数据库中TCGA-OV队列的早期卵巢癌患者；排除图像质量不佳、有既往癌症史、合并系统性炎症或其他重大疾病、存在非卵巢来源肿块或同时患有良恶性卵巢病变的患者。结果解读为最终纳入479例患者，其中82例（17.12%）为多原发灶，397例（82.88%）为单原发灶，平均病灶大小为9.23±5.32 cm（n=479）；74例（15.45%）为平扫CT，405例（84.55%）为增强CT，共生成479个平均时长31.00秒的CT视频。产品关联：文献未提及具体实验产品，领域常规使用ITK-SNAP图像分割软件、Python视频处理工具、R统计分析软件。
3.2 CT图像预处理与GPT-4o模型训练
实验目的是为GPT-4o构建标准化的输入数据格式，并通过少量样本训练使其掌握卵巢癌良恶性病变的CT特征差异。方法细节为由两位拥有10年以上临床经验的妇科肿瘤医生和放射科医生共同阅片，确定病灶边界后，使用ITK-SNAP软件（3.6.0版）手动分割病灶；将CT切片按头足方向转换为视频，测试5、10、15、20帧/秒四种帧率后，确定5帧/秒为最优帧率（病灶识别准确率最高）；在CT切片上用5像素宽度的红色标记病灶边界；选取10例患者（5例FIGO I期卵巢癌、5例良性病变）的CT视频、放射报告及病理结果对GPT-4o进行10-shot训练，同时提供基于临床指南的卵巢癌CT诊断特征标准。结果解读为GPT-4o可100%识别专家标注的479例患者的病灶区域，完成训练后可按照要求识别4项关键CT特征并输出良恶性诊断结论。产品关联：文献未提及具体实验产品，领域常规使用OpenAI GPT-4o模型、ITK-SNAP图像分割软件。
3.3 GPT-4o诊断性能与临床专家评估
实验目的是评估GPT-4o的诊断准确性，以及其识别的CT特征与临床专家判断的一致性，同时验证其输出的临床实用性。方法细节为让GPT-4o对所有纳入患者的CT视频进行分析，识别囊壁与间隔状态、结节或乳头状突起、密度与强化分布、囊实性特征4项关键CT特征，并给出良恶性诊断；由3位放射科医生（22年、8年、7年经验）和3位妇科肿瘤医生（16年、10年、3年经验）独立阅片诊断，同时对GPT-4o输出的特征描述进行5分制一致性评分，评估其输出的不适当内容、缺失内容及潜在危害风险。结果解读为GPT-4o整体诊断准确率为79.96%，在三家数据集分别为80.80%（第一中心，n=224）、79.14%（第二中心，n=230）、93.33%（TCGA-OV队列，n=15）；与临床专家相比，其准确率略低于拥有7年以上经验的放射科医生（84.35%-87.83%），但与拥有10年经验的妇科肿瘤医生（77.23%）相当；4项CT特征的专家平均一致性评分为4.25/5，其中密度与强化分布的一致性最高（4.30±0.77，n=6），囊壁与间隔状态的一致性最低（4.22±0.75，n=6）；专家对GPT-4o输出的临床实用性评估显示，不适当内容平均评分为2.38±0.73，缺失内容为2.75±0.56，潜在危害为2.59±0.72，整体风险较低。产品关联：文献未提及具体实验产品，领域常规使用临床指南作为诊断标准参考。
3.4 重测实验验证模型重复性与辅助诊断价值
实验目的是验证GPT-4o诊断结果的可重复性，以及其对不同经验层级临床医生诊断准确性的提升作用。方法细节分为两部分：一是从纳入患者中随机选取50例，间隔2周后重复输入GPT-4o，对比两次诊断结果的一致性，并由两位妇科肿瘤医生对特征描述的重复性进行0-100%评分；二是选取2位放射科医生（9年、11年经验）和2位妇科肿瘤医生（6年、2年经验），先在无GPT-4o辅助下独立诊断，间隔2周洗脱期后，结合GPT-4o的输出再次诊断，对比两次诊断的准确率与AUC差异。结果解读为GPT-4o诊断结果的重复性为90.00%（45/50），4项CT特征中密度与强化分布的重复性最高（79.98%），囊壁与间隔状态的重复性最低（71.62%）；无GPT-4o辅助时，4位医生的诊断准确率分别为85.65%、83.91%、73.66%、67.86%，结合GPT-4o辅助后，准确率提升至87.83%、85.65%、78.13%、84.38%，其中两位经验不足的妇科肿瘤医生的诊断AUC从0.74、0.68提升至0.78、0.85，差异具有统计学显著性（P=0.003、P<0.001），而放射科医生的AUC提升无统计学显著性（P=0.23、P=0.52）。产品关联：文献未提及具体实验产品，领域常规使用临床诊断评估的标准流程。
3.5 统计分析
实验目的是通过标准化统计方法量化评估GPT-4o与临床专家的诊断性能差异，验证结果的统计学可靠性。方法细节为采用受试者工作特征曲线下面积（AUC）评估诊断准确性，使用DeLong检验比较GPT-4o与临床专家的AUC差异；计算诊断准确率、特异性、敏感性，采用95%置信区间（CI）表示结果；采用加权kappa系数评估临床专家对GPT-4o输出评分的一致性。结果解读为GPT-4o的诊断AUC为0.80，与3位放射科医生的AUC（0.84-0.88）相比差异具有统计学显著性（P<0.05），与3位妇科肿瘤医生的AUC（0.76-0.85）相比无统计学显著性（P>0.05）；临床专家对GPT-4o特征描述评分的加权kappa系数显示，放射科医生的一致性为0.45-0.51（中等），妇科肿瘤医生的一致性为0.08-0.25（较差），整体一致性水平有待提升。产品关联：文献未提及具体实验产品，领域常规使用R软件（4.0.3版）进行统计分析。
4. Biomarker研究及发现成果解析
本研究涉及的Biomarker分为两类：一是卵巢癌的4项关键CT影像特征（囊壁与间隔状态、结节或乳头状突起、密度与强化分布、囊实性特征），二是GPT-4o作为数字化辅助诊断工具的诊断性能；筛选与验证逻辑为基于临床指南确定核心CT特征，通过GPT-4o自动识别，经临床专家一致性评估、多中心样本验证及重测实验验证其可靠性与辅助价值，形成“指南筛选→模型识别→专家验证→临床辅助”的完整逻辑链条。
Biomarker的来源为纳入患者的术前盆腔CT图像（平扫或增强），验证方法包括：一是由GPT-4o自动识别特征并输出诊断，与病理结果对比评估诊断准确性；二是由6位临床专家对GPT-4o识别的特征进行5分制一致性评分；三是通过重测实验验证特征识别的重复性。特异性与敏感性方面，GPT-4o的整体诊断准确率为79.96%（n=479），AUC=0.80（95% CI未明确提供，基于图表趋势推测），其中TCGA-OV队列的准确率最高（93.33%，n=15）；4项CT特征的专家平均一致性评分为4.25/5（n=6）。
核心成果提炼：本研究首次验证了GPT-4o可自动识别卵巢癌的4项关键CT影像特征，其诊断性能与拥有10年临床经验的妇科肿瘤医生相当（准确率77.23% vs 79.96%，P>0.05）；创新性在于将视觉大语言模型应用于卵巢癌CT诊断，无需专业神经网络构建知识，输出的特征描述具有可解释性，可显著提升经验不足的妇科肿瘤医生的诊断AUC至0.78-0.85（P<0.01）；该Biomarker组合（CT特征+GPT-4o识别）的临床价值在于可作为术前辅助诊断工具，尤其在缺乏专业放射科医生的基层医疗机构，提升卵巢癌早期诊断的准确性，进而改善患者预后，为卵巢癌早期诊断的普及提供了新的可行路径。