近日，北京旭日病院骨科疾病诊疗中间学科主任藏磊作为单一通信作者，博士王天艺，硕士陈睿源、梁明辉为同一单位合营第一作者开展了大年夜说话模型(LLMs)与机械进修在经皮后凸成形术后并发症猜测中的机能比较研究，相干成果揭橥于Nature旗下数字医学威望期刊npj Digital Medicine(影响因子IF=15.1)。该研究初次体系评估了GPT-5、DeepSeek R1等前沿LLMs在猜测骨水泥渗漏和新发椎体骨折方面的才能，并与传统机械进修模型及脊柱外科大夫进行了头仇人比较。

期刊截图

骨质松散性椎体紧缩骨折(OVCF)是全球50岁以上人群中最常见的骨质松散性骨折，患病率高达30%-50%。经皮后凸成形术(PKP)是治疗OVCF的有效手段，但术后骨水泥渗漏(BCL)和新发椎体骨折(NVF)这两种并发症产生率较高，严重影响患者预后。尽管传统机械进修(TML)模型已在此类并发症猜测范畴取得必定进展，但仍存在诸多不足。近期，迅猛成长的LLMs在该范畴的表示尚未获得体系评估，其可否凭借强大年夜的文本懂得与推理才能，超出数据驱动的传统模型，藏磊团队的这项研究对此展开了体系比较与摸索。

研究团队基于北京旭日病院2016年至2024年的回想性与前瞻性数据，研究成果显示，当前主流LLMs在猜测PKP术后并发症方面表示出“义务依附性”——对骨水泥渗漏的猜测机能可接收，但对新发椎体骨折的猜测才能仍明显落后于传统机械进修模型。LLMs的临床决定计划支撑价值高度依附于其在该义务上的基本精确性。少样本提示策略虽能使模型更为谨慎，但总体机能晋升有限。现阶段LLMs尚不合适自力应用于此类预后猜测义务，将来需经由过程范畴微调、多模态融合(整合影像数据)及串联传统深度进修模型等策略进一步晋升。该研究为懂得大年夜说话模型在骨科这一专业医疗范畴的猜测机能、局限性及将来改进偏向，供给了重要的初步证据。

Tags： 北京朝阳医院骨病中心五部团队发布大语言模型与机器学习在经皮后凸成形术后并发症预测中的性能比较研究成果