Desarrollo de un conjunto de datos a gran escala de informes de tomografía computarizada de tórax en japonés y un...

Área de la Ciencia:

• Procesamiento del lenguaje natural en imágenes médicas
• Inteligencia artificial en el cuidado de la salud
• Análisis de datos médicos multilingües

Sus antecedentes:

• La falta de conjuntos de datos de radiología japoneses a gran escala dificulta el desarrollo de IA para el análisis de imágenes médicas.
• El papel de liderazgo de Japón en el uso de escáneres computarizados requiere modelos especializados en japonés.
• Los modelos multilingües existentes son insuficientes para un texto médico japonés matizado.

Objetivo del estudio:

• Desarrollar un conjunto de datos completo de informes de TC japoneses para la investigación del procesamiento del lenguaje natural (PNL).
• Establecer un modelo de lenguaje especializado para la clasificación estructurada de los hallazgos de radiología.
• Crear un conjunto de datos de evaluación validado para una evaluación fiable del rendimiento del modelo.

Principales métodos:

• Traducción automática del conjunto de datos CT-RATE al japonés utilizando GPT-4o mini.
• Desarrollo de CT-BERT-JPN, un modelo basado en BERT para el análisis de textos radiológicos japoneses.
• Validación por expertos radiólogos de los informes traducidos y evaluación comparativa del rendimiento del modelo con respecto al GPT-4o.

Principales resultados:

• Los informes traducidos por máquina conservan la estructura general, pero requieren refinamiento experto para la terminología médica y el contexto.
• Las traducciones revisadas por radiólogos mostraron mejoras estadísticamente significativas en la calidad.
• CT-BERT-JPN superó a GPT-4o en la clasificación de 11 de los 18 hallazgos, logrando altas puntuaciones F1 para la mayoría.

Conclusiones:

• Se creó con éxito un robusto conjunto de datos de informe de CT japonés y un modelo especializado (CT-BERT-JPN).
• Un enfoque híbrido de traducción automática y validación por expertos produce conjuntos de datos médicos de alta calidad.
• Los conjuntos de datos y modelos disponibles públicamente avanzarán en la investigación médica de IA en el cuidado de la salud japonés.