研究称多模态大模型辨胶质瘤与脑脓肿时更依赖转诊文本而非MRI

一项回顾性单中心研究纳入60例增强T1加权脑MRI（30例胶质瘤、30例脑脓肿），每例取一个轴位层面并配五种转诊文本，在三种提示指令下各重复20次，提交给GPT-4o、Claude Sonnet 5、Gemini 3.5 Flash和Qwen 3.6，共获7.2万条回答。Beste、Bauer、Lopez等作者称，文本驱动跨度为0.79至1.00（所有模型p<0.001），而确诊胶质瘤与脓肿之间的差异仅0.01至0.10，Gemini 3.5 Flash为0.25；中性文本下模型判为肿瘤的比例为45%至67%。作者称，要求忽略文本后，三个模型的跨度降至0.48至0.70，Gemini 3.5 Flash降至0.04，部分源于回归肿瘤默认判断。模型准确率为0.52至0.73，两名盲法阅片放射科医生为0.78和0.73。