RadCLARE：放射線レポートにおける意味論的エラーを検出するための自動臨床言語エンジン
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
まとめ
人工知能を使用して放射線レポートのエラーを削減できます。BERTに基づくRadCLAREシステムは、中国の放射線レポートにおける意味論的エラーを4.19%から0.85%に大幅に減らしました。
科学分野:
- 医療画像における人工知能
- ヘルスケアにおける自然言語処理
- 放射線レポート分析
背景:
- 放射線レポートのエラーは、不正確な臨床的意思決定につながる可能性があります。
- 放射線レポートの精度を向上させるためには、自動化されたシステムが必要です。
- これらのエラーを軽減するために、大規模言語モデル（LLM）の可能性を調査することが重要です。
研究 の 目的:
- 中国の放射線レポートにおける意味論的エラーを検出するための自動化エンジンRadCLAREを開発および評価すること。
- 放射線レポート全体の誤り率に対するRadCLAREの影響を評価すること。
- 導入されたシステムに対する放射線科医の満足度を測定すること。
主な方法:
- 140万件の中国の放射線レポート（DR、CT、MR）でトレーニングされたBERTベースのエンジンであるRadCLAREを開発しました。
- 専門家による1,000件のレポートの手動アノテーションを使用して、参照基準を確立しました。
- RadCLAREのパフォーマンスを専門家のアノテーションと比較し、導入前後のエラー率の変化を分析しました。
主要な成果:
- RadCLAREは、意味論的エラー検出において、精度87.3%、適合率88.3%、再現率86.4%、F1スコア87.4%という高い性能を達成しました。
- 放射線レポートにおける意味論的エラー率は、ベースラインデータセットの4.19%からRadCLARE導入後には0.85%に大幅に減少しました（p < 0.001）。
- 参加した放射線科医の95.7%がRadCLAREシステムに満足していると回答しました。
結論:
- RadCLAREネットワークは、放射線レポートにおける意味論的エラーを高い精度で効果的に検出します。
- RadCLAREの導入により、意味論的エラー率が大幅に減少しました。
- このシステムは、放射線レポートの品質を向上させ、臨床的意思決定のエラーを減らす可能性を示しています。
