Evaluación del Potencial de LLM (ChatGPT-4) como Métrica Objetiva para la Calidad de Imagen en CT de Mama
DOI:
https://doi.org/10.36788/sah.v9i1.160Palabras clave:
LLM, ChatGPT, Cáncer de mama, breast CTResumen
El cáncer de mama es una de las principales causas de mortalidad en mujeres a nivel mundial, lo que resalta la importancia de contar con imágenes médicas de calidad para mejorar su diagnóstico. Este estudio evalúa el uso de modelos de lenguaje grande (LLM), específicamente ChatGPT-4 para caracterizar la calidad diagnóstica de imágenes de tomografía computarizada de mama (bCT). Se diseñó un maniquí numérico que simula un corte transversal de la mama, a partir del cual se generaron 100 imágenes con variaciones en calidad de imagen. Se realizó una prueba de observador comparando el desempeño de ChatGPT-4 con seis lectores con conocimientos de Física Médica, calificando aspectos como contraste, nitidez, ruido y artefactos mediante una escala de Likert. Aunque el LLM mostró un desempeño limitado frente al observador de referencia, alcanzó concordancias ligeras cuando se comparó con observadores menos experimentados. Estos resultados sugieren que, con un protocolo de entrenamiento más robusto, los LLM podrían aproximarse al observador humano en tareas de caracterización de calidad de diagnóstica.
Descargas
Citas
"nu:view - AB-CT - Advanced Breast-CT," https://ab-ct.com/nuview/, 2024.
"OpenAI," https://openai.com, 2024.
American Cancer Society, "Detección temprana y diagnóstico del cáncer de seno," https://www.cancer.org/es/cancer/tipos/cancer-de-seno/pruebas-de-deteccion-y-deteccion-temprana-del-cancer-de-seno.html, 2024.
H. H. Barrett and K. J. Myers, Foundations of Image Science. Wiley-Interscience, 2003.
N. F. Boyd, H. Guo, L. J. Martin, L. Sun, J. Stone, E. Fishell, and M. J. Yaffe, "Mammographic density and the risk and detection of breast cancer," New England Journal of Medicine, vol. 356, no. 3, pp. 227-236, 2007. DOI: 10.1056/NEJMoa062790 DOI: https://doi.org/10.1056/NEJMoa062790
L. Feldkamp, L. Davis, and J. Kress, "Practical cone-beam algorithm," Journal of the Optical Society of America A, vol. 1, no. 6, pp. 612-619, 1984. DOI: 10.1364/JOSAA.1.000612 DOI: https://doi.org/10.1364/JOSAA.1.000612
J. H. Hubbell and S. M. Seltzer, "Table 3 of X-Ray Mass Attenuation Coefficients and Mass Energy-Absorption Coefficients (version 1.4)," https://physics.nist.gov/PhysRefData/XrayMassCoef/tab3.html, 2004, National Institute of Standards and Technology, Gaithersburg, MD.
Instituto Nacional de Estadística y Geografía (INEGI), "A propósito del Día Internacional de la Lucha contra el Cáncer de Mama," https://www.inegi.org.mx/contenidos/saladeprensa/aproposito/2024/EAP LuchaCMama24.pdf, 2024.
Instituto Nacional del Cáncer, "Cáncer de mama," https://www.cancer.gov/espanol/publicaciones/diccionarios/diccionario-cancer/def/cancer-de-mama, 2024.
T. E. Komolafe, C. Zhang, O. A. Olagbaju, G. Yuan, Q. Du, M. Li, J. Zheng, and X. Yang, "Comparison of diagnostic test accuracy of cone-beam breast computed tomography and digital mammography for detecting breast cancer: A systematic review and meta-analysis," Sensors, vol. 22, no. 9, p. 3594, 2023. DOI: 10.3390/s22093594 DOI: https://doi.org/10.3390/s22093594
J. Landis and G. Koch, "The measurement of observer agreement for categorical data," Biometrics, vol. 33, no. 1, pp. 159-174, 1977. DOI: 10.2307/2529310 DOI: https://doi.org/10.2307/2529310
J. O'Connell and M. Bazalova-Carter, "fastCAT: Fast cone beam CT (CBCT) simulation," Medical Physics, vol. 48, no. 8, pp. 4448-4458, 2021. DOI: 10.1002/mp.15007 DOI: https://doi.org/10.1002/mp.15007
S. Park, J. Goo, and C. Jo, "Receiver operating characteristic (ROC) curve: practical review for radiologists," Korean Journal of Radiology, vol. 5, no. 1, pp. 11-18, 2004. DOI: 10.3348/kjr.2004.5.1.11 DOI: https://doi.org/10.3348/kjr.2004.5.1.11
E. Sidky and X. Pan, "Image reconstruction in circular cone-beam computed tomography by constrained, total-variation minimization," Physics in Medicine & Biology, vol. 53, no. 17, pp. 4777-4807, 2008. DOI: 10.1088/0031-9155/53/17/021 DOI: https://doi.org/10.1088/0031-9155/53/17/021
World Health Organization (WHO), "Breast cancer - key facts," https://www.who.int/news-room/fact-sheets/detail/breast-cancer, 2024.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los artículos publicados por Sahuarus. Revista Electrónica de Matemáticas se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional, la cual permite la distribución y el uso del material publicado citando la fuente de la que proviene, prohibe la modificación y el uso con fines comerciales.
