Video Experimental Relacionado
Updated: Jan 8, 2026
07:50
A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
16.4K
RadCLARE: un motor de lenguaje clínico automatizado para detectar errores semánticos en informes de radiología
Feng Pan1,2,3, Jie Lou1,2,3, Yusheng Guo1,2,3
1Department of Radiology, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
European radiology experimental
|December 22, 2025
Resumen
Los errores en los informes de radiología se pueden reducir mediante inteligencia artificial. El sistema RadCLARE, basado en BERT, redujo significativamente los errores semánticos en los informes de radiología chinos del 4,19 % al 0,85 %.
Área de la Ciencia:
- Inteligencia artificial en imágenes médicas
- Procesamiento del lenguaje natural en atención médica
- Análisis de informes de radiología
Sus antecedentes:
- Los errores en los informes de radiología pueden conducir a decisiones clínicas incorrectas.
- Se necesitan sistemas automatizados para mejorar la precisión de los informes de radiología.
- Es crucial investigar el potencial de los modelos de lenguaje grandes (LLM) para mitigar estos errores.
Objetivo del estudio:
- Desarrollar y evaluar un motor automatizado, RadCLARE, para detectar errores semánticos en informes de radiología chinos.
- Evaluar el impacto de RadCLARE en la tasa general de errores en la presentación de informes de radiología.
- Evaluar la satisfacción del radiólogo con el sistema implementado.
Principales métodos:
- Se desarrolló RadCLARE, un motor basado en BERT, entrenado con 1,4 millones de informes de radiología chinos (DR, TC, RM).
- Se utilizó anotación manual experta de 1000 informes para establecer un estándar de referencia.
- Se comparó el rendimiento de RadCLARE con las anotaciones expertas y se analizaron los cambios en la tasa de error antes y después de la implementación.
Principales resultados:
- RadCLARE logró un alto rendimiento: 87,3 % de precisión, 88,3 % de precisión, 86,4 % de recuperación y 87,4 % de puntuación F1 en la detección de errores semánticos.
- La tasa de error semántico en los informes de radiología disminuyó significativamente del 4,19 % en el conjunto de datos de referencia al 0,85 % después de la implementación de RadCLARE (p < 0,001).
- El 95,7 % de los radiólogos participantes expresaron satisfacción con el sistema RadCLARE.
Conclusiones:
- La red RadCLARE detecta eficazmente errores semánticos en informes de radiología con alta precisión.
- La implementación de RadCLARE condujo a una reducción sustancial en la tasa de error semántico.
- El sistema muestra una gran promesa para mejorar la calidad de los informes de radiología y reducir los errores en la toma de decisiones clínicas.
