多源CT队列构建
收集大量常规CT检查以建立参考模型
汇总五个来源的CT检查，包括TUM PACS、CT-Rate、INSPECT、Merlin和TotalSegmentator，共351,915次检查。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
通过LLM报告过滤从常规临床扫描中生成全身CT衰减和体积图表
Whole body CT attenuation and volume charts from routine clinical scans via LLM report filtering
实验完整度
高包含多中心队列数据分析、LLM报告过滤、GAMLSS分布模型、纵向模型及下游验证，多层次验证充分。
主要模型
TUM PACS队列（292,914次CT检查） CT-Rate队列（19,399次非增强胸部CT） INSPECT队列（13,677次CT肺动脉造影） Merlin队列（24,716次腹部CT）
重点核对
LLM过滤流水线（5个LLM，两阶段交叉验证） GAMLSS模型（GG族用于体积，ST1族用于衰减） 纵向模型（混合效应GAMLSS和GAMM） 过滤与非过滤参考模型的百分位评分比较
摘要
解读定量CT生物标志物，如器官体积和组织衰减，需要大规模的健康参考分布。然而，由于临床数据集通常富含病理信息，创建这些分布具有挑战性。在这里，我们开发了一个基于证据、交叉验证的大型语言模型（LLM）集成，用于过滤放射学报告中的病理发现，从而能够从超过35万次CT检查中构建病理减少的队列。五个LLM首先标记结构级别的异常候选，并附有逐字报告证据；其次，通过交叉验证解决分歧。利用分布感知的广义可加模型（GAMLSS）建立位置、尺度和形状模型，我们为106个解剖结构（体积和衰减）建立了全身参考图表，覆盖成年期，并考虑了年龄、性别、对比增强和采集参数。纵向分析揭示了与横断面趋势不同的结构和对比度依赖性变化。这些资源有助于从常规CT中进行协变量调整的百分位数评分，支持标准化定量表型分析、多中心影像研究和可扩展的机会性筛查研究。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何从富含病理的常规临床CT数据中构建全身CT生物标志物的参考分布？
- 核心机制
- 通过LLM报告过滤减少病理泄漏，结合分布感知的GAMLSS模型，建立年龄、性别、对比度等协变量调整的参考图表，实现个体化百分位数评分。
- 主要证据
- 基于五个队列的351,915次CT检查，经LLM过滤后用于GAMLSS建模；验证了过滤提升案例-对照区分度（AUC上升），并展示了心脏体积和肺衰减的百分位评分应用。
- 研究意义
- 为常规CT提供标准化的定量表型分析，支持多中心研究和机会性筛查，并促进PACS集成的工作流程。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
LLM报告过滤流水线
从放射学报告中识别异常结构，构建病理减少队列
使用五个开源LLM进行两阶段过滤：Stage 1独立标记异常结构，Stage 2交叉验证有争议的候选。
图像分割与特征提取
自动化分割106个解剖结构并提取体积和平均HU
使用TotalSegmentator v2.2.1对CT图像进行分割，并计算每个结构的体积和平均HU。
横断面参考建模
估计每个结构的年龄相关参考分布
使用GAMLSS拟合体积和衰减的横断面参考模型，体积用GG族，衰减用ST1族，并考虑对比度状态。
纵向模型分析
量化个体随时间的体积和衰减变化
使用TUM队列的重复检查，对体积使用混合效应GAMLSS，对衰减使用GAMM，分解年龄和时间效应。
下游应用验证
验证过滤后的参考模型在个体化百分位评分中的效用
利用CT-Rate病例，比较过滤与不过滤模型的百分位评分区分度，并展示心脏体积和肺衰减案例。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 图像分割 | TotalSegmentator | -- | -- |
| LLM过滤 | Qwen3-32B | Hugging Face | -- |
| Qwen2.5-72B | Hugging Face | -- | |
| Llama 3.3-70B | Hugging Face | -- | |
| OpenBioLLM-70B | Hugging Face | -- | |
| MedGemma-27B | Hugging Face | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 队列构建 | 队列来源及规模 阅读提示：Methods部分：Participants and cohort construction |
| LLM过滤 | LLM模型选择、解码参数、结构映射规则 阅读提示：Methods部分：Radiology report filtering via a cross-verified LLM ensemble; Supplementary Note 3 |
| 图像分割 | 分割软件版本、结构数量、异常值去除方法 阅读提示：Methods部分：Image analysis |
| 横断面建模 | GAMLSS分布族、分数多项式选择、协变量 阅读提示：Methods部分：Cross-sectional GAMLSS; 表1 |
| 纵向建模 | 模型类型（GAMLSS vs GAMM）、时间分解方法 阅读提示：Methods部分：Longitudinal models |
| 百分位评分 | CDF计算方法、协变量条件 阅读提示：Methods部分：Individualized centile scores |