본 논문은 대규모 언어 모델(LLM)과 계산 영상 분석을 결합하여 뇌 신경교종의 IDH 돌연변이 상태를 비침습적이고 제로샷 방식으로 예측하는 프레임워크를 제시한다. 이 프레임워크는 다중 매개변수 MRI 스캔과 종양 분할 맵을 처리하여 의미적(시각적) 속성과 정량적 특징을 추출하고, 이를 표준화된 JSON 파일로 직렬화하여 GPT 4o 및 GPT 5를 fine-tuning 없이 질의한다. 총 6개의 공개 데이터 세트(N = 1427)를 대상으로 평가한 결과, 높은 정확도와 균형 잡힌 분류 성능을 보였으며, GPT 5가 맥락 기반 표현형 해석에서 GPT 4o보다 뛰어났다. 부피 특징이 가장 중요한 예측 변수로 나타났으며, 하위 유형별 영상 표지 및 임상 정보가 이를 보완했다.
