EpiSemoGPT：一种基于癫痫发作症状学定位致痫区的大型语言模型 EpiSemoGPT: A Large Language Model for Epileptogenic Zone Localization Based on Epilepsy Semiology

EpiSemoGPT：一种基于癫痫发作症状学定位致痫区的大型语言模型 EpiSemoGPT: A Large Language Model for Epileptogenic Zone Localization Based on Epilepsy Semiology

页面：20,作者/机构:Null

简介:这份报告介绍了EpiSemoGPT，这是一个针对致痫区 (EZ) 定位进行微调的大型语言模型 (LLM)，该模型仅基于癫痫发作症状学。EpiSemoGPT 建立在 Mistral-7B-instruct 模型之上，使用 180 名患者的数据集进行微调，在 EZ 定位方面取得了与经验丰富的神经科医生相当的结果。该报告深入探讨了 EpiSemoGPT 的开发、验证和与神经科医生表现的比较，强调了 LLM 在癫痫护理中的潜力，特别是在 EZ 定位方面。

报告重点

EpiSemoGPT 在预测最可能的 EZ 方面的准确率为 56%，与神经科医生的准确率（52.22% 至 64.28%）相当。
EpiSemoGPT 在定位颞叶 EZ（准确率为 75.00%）和枕叶 EZ（准确率为 57.89%）方面表现出色，但在定位额叶 EZ（准确率为 33.33%）方面表现不佳。
该研究提出了修正后的可靠性评分 (RS) 和区域准确率 (RAR) 来评估 EpiSemoGPT 与神经科医生在 EZ 定位方面的一致性和区域准确性。
EpiSemoGPT 在识别癫痫发作半球方面表现出色，尤其是在额叶和颞叶癫痫中，其 RS 高达 3.0，这突出了特定领域微调的优势。
该研究强调了 EpiSemoGPT 作为预测癫痫发作起源区域的潜在有效工具，即使在罕见或非典型病例中也表现出高准确性，有时甚至优于经验丰富的神经科医生。

参考图示

下载链接

扫描二维码关注微信，回复报告或者 baogao ，即可获取密码