大型语言模型在鼻咽癌TN分期与疗效评估中的应用：ChatGPT-4o-Latest与DeepSeek-V3-0324的对比性能分析

　　本研究针对鼻咽癌（NPC）临床中肿瘤分期与疗效评估（TRE）依赖人工判读、效率低且一致性差的问题，由多中心研究人员开展基于大语言模型（LLMs）的自动化分期与评估研究。结果显示DeepSeek-V3-0324在多项任务中表现优异，尤其在TRE-1准确率达96.5%，显著优于GPT-4o（p<0.001），模型辅助显著提升诊断效率（p<0.001），为NPC临床决策智能化提供重要支持。

　　

精准的肿瘤分期与治疗反应评估（Treatment Response Evaluation, TRE）对鼻咽癌（Nasopharyngeal Carcinoma, NPC）临床决策至关重要。传统方法依赖医师手动分析影像，不仅耗时费力，还存在观察者间差异与误判风险。

为此，研究人员开展了一项回顾性研究，评估两种大语言模型（Large Language Models, LLMs）——ChatGPT-4o-latest 和 DeepSeek-V3-0324——在NPC患者T/N分期与TRE任务中的自动化表现。研究纳入来自三个中心的307例NPC患者（平均年龄45.5±11.3岁；男性216例，女性91例），所有影像均通过3.0T或1.5T扫描仪获取，序列包括轴位T1加权快速自旋回波、T2加权快速自旋回波、T2加权压脂自旋回波及对比增强T1加权快速自旋回波。

两名放射科医师依据第9版AJCC/UICC指南与RECIST 1.1标准，确立了基线TN分期和两个时间点的TRE结果（诱导化疗后称TRE-1，同步放化疗后称TRE-2）作为金标准。LLMs通过少量样本思维链提示（few-shot chain-of-thought prompting）进行训练，并在277名患者的831份报告中进行了测试。此外，四位放射医师在有无LLM辅助的情况下分别独立评估了68个病例，以比较两种情境下的表现与效率。

统计分析采用McNemar–Bowker检验与Wilcoxon符号秩检验，以p<0.05为显著性水平。结果显示：DeepSeek-V3-0324在TRE-1分期中准确率显著高于GPT-4o-latest（96.5% vs. 82.9%，p<0.001）；在T分期（95.3% vs. 93.5%，p=0.24）、N分期（93.8% vs. 89.6%，p=0.265）和TRE-2（94.9% vs. 93.2%，p=0.556）方面两者无显著差异。DeepSeek-V3-0324与专家标注的一致性也更强（κ=0.85–0.90），优于ChatGPT-4o-latest（κ=0.49–0.86）。所有放射医师在LLM辅助下均显著提升时间效率（p<0.001）。

研究表明，LLMs（尤其是DeepSeek-V3-0324）能够以高准确性实现NPC的TN分期与TRE自动化，显著提升临床效率，有望改善诊断一致性，对基层与年轻医师具有较高应用价值。本研究证据等级为3级，技术效能阶段为4。