使用ChatGPT数据分析工具对病理组织图像进行自动定量分析的准确性：与MC38小鼠肝癌转移模型中的半自动分析方法进行比较

本研究评估ChatGPT Data Analyst在分析小鼠肝转移模型石蜡切片中的性能，其肿瘤区域、肝脏总面积等定量分析结果与ImageJ高度相关（r>0.99，ICC>0.9），且具有高可重复性。最佳染色条件（H&E时间优化）提升边界识别精度，对比显示通用大语言模型（如GPT-5.1和Gemini-2.5 Pro）的准确性可与病理专用AI框架（SAM+PLIP）及商业软件（NIS-Elements AR）媲美，无需编程即可实现标准化病理分析流程。

　　

摘要

结直肠癌在全球范围内具有较高的发病率和死亡率。在晚期病例中，肝转移较为常见，并且对预后具有重要影响。对发生转移的器官的病理组织进行图像分析对于肿瘤研究和诊断至关重要，但目前主要依赖于手动或半自动软件处理，这要求用户具备较高的专业技能并影响处理效率。我们评估了ChatGPT（数据分析师）的图像分析能力，以自动量化使用MC38细胞建立的小鼠转移模型中H&E染色切片中的肿瘤区域。通过使用ChatGPT数据分析师，我们分析了肿瘤面积、整个肝脏面积、肿瘤比例以及肿瘤数量，并将结果与使用传统ImageJ分析得到的结果进行了比较。面积测量显示，ChatGPT数据分析师与ImageJ之间的相关性很高（r > 0.99），一致性也很高（ICC > 0.9），且重新分析时结果具有很高的重复性。由于肿瘤与肝实质之间的边界清晰度受染色条件的影响，我们研究了最佳染色方案，并确定了特定的染色条件（苏木精染色2分钟，伊红染色30秒），这些条件对于提高提取精度至关重要。此外，全面的基准测试表明，先进的通用大型语言模型（GPT-5.1和Gemini-2.5 Pro）的准确性与专用AI框架（SAM + PLIP）和商业软件（NIS-Elements AR）相当。ChatGPT数据分析师提供了一种基于提示指令的病理图像分析新方法，其准确性与传统方法相当。未来通过对ChatGPT数据分析师的更新以及标准化染色条件的改进，将进一步提升其在肿瘤病理研究和诊断中的应用。

亮点

• 基于提示的通用大型语言模型，包括ChatGPT数据分析师和Gemini 2.5 Pro，在量化整个肝脏面积、肿瘤面积和肿瘤比例方面，表现出了与ImageJ、特定于病理学的混合模型（SAM + PLIP）以及商业软件相当的精确度。
• 在MC38小鼠肝转移模型中，使用ChatGPT数据分析师的工作流程具有很高的重复性。
• 染色条件对性能有影响；具体而言，苏木精染色2分钟和伊红染色30秒能够获得最清晰的肿瘤-实质边界和最准确的提取结果。
• 这种无需编码的提示驱动工作流程，有助于快速且标准化的定量组织病理学分析。

利益冲突

作者声明没有利益冲突。

数据可用性声明

ChatGPT数据分析师自动生成并执行的用于图像分析的Python代码可在支持信息中找到（代码S1–S4）。