非構造化磁気共鳴画像レポートからのデータ抽出を自動化する生成人工知能：前立腺がんケアにおける実現可能性

科学分野:

• 泌尿器科腫瘍学
• 医療情報学
• 医療における人工知能

背景:

• 電子カルテ内のプレーンテキスト放射線レポートは計算分析を妨げます。
• 大規模言語モデル（LLM）は非構造化テキストに対して有望ですが、泌尿器科腫瘍学では十分に活用されていません。
• 前立腺MRIレポートには、患者ケアと研究に不可欠なデータが含まれています。

研究 の 目的:

• GPT-4.0を使用して前立腺MRIレポートからデータを抽出するパイプラインを開発および評価すること。
• GPT-4.0で抽出されたデータの精度を手動による抽象化のゴールドスタンダードと比較すること。
• 臨床設定におけるGPT-4.0のばらつきと精度を評価すること。

主な方法:

• OpenAIのGPT-4.0の安全なエンタープライズワイド展開を使用して、前立腺MRIレポートを処理しました。
• レポートあたり15の主要なデータ要素を自動抽出するようにデータパイプラインを設計しました。
• 応答のばらつきは、同じレポートを複数回送信して評価しました。精度は手動による抽象化と比較されました。

主要な成果:

• GPT-4.0は424件の前立腺MRIレポート全体で一貫して高い精度（95%超）を達成しました。
• PSA密度およびTNM病期などの主要な指標に対する個々のデータ要素の精度は95%を超えました。
• 応答のばらつきは0.14%から3.61%の範囲であり、精度が高いほどばらつきが低い相関を示しました。

結論:

• GPT-4.0は、前立腺がんMRIレポートからのデータ抽出において、高い精度と低いばらつきを示すことが証明されています。
• このパイプラインは、最小限の事前のプログラミングしか必要としないため、効率的なツールとなります。
• このアプローチは、泌尿器科腫瘍学における臨床および研究アプリケーションの医療データ抽出を迅速化できます。