Studio Valuta i LLM Multimodali per la Diagnosi Ottica dei Polipi Colorettali

Uno studio retrospettivo di performance diagnostica ha valutato l'accuratezza di cinque modelli linguistici multimodali (MLLM) nella classificazione dei polipi colorettali e nella previsione dell'istologia da immagini endoscopiche. I modelli—Claude Opus 4, Google Gemini 2.5 Pro, GPT-o3, GPT-4o e GPT-5—sono stati testati sul dataset PRIME, una raccolta curata di immagini a luce bianca e narrow-band imaging (NBI). Per ciascun modello, sono stati calcolati punteggi F1, percentuali di risposte corrette e accuratezza per la classificazione di Parigi, la classificazione NICE (Narrow-band Imaging Colorectal Endoscopic) e l'istologia prevista, confrontati con le risposte di esperti per 132 casi. La significatività statistica è stata valutata utilizzando il test Q di Cochran e il test di McNemar. I risultati hanno indicato che tutti i modelli hanno ottenuto punteggi F1 superiori a 0,9 per distinguere polipi neoplastici da non neoplastici, suggerendo un'elevata accuratezza diagnostica. Lo studio, annunciato su arXiv con identificativo 2608.07543, evidenzia il potenziale dei MLLM nell'assistere la diagnosi ottica, che potrebbe guidare le strategie di resezione e le decisioni di sorveglianza. I risultati sottolineano il ruolo crescente dell'intelligenza artificiale nell'imaging medico e nel supporto diagnostico.