放射線報告の簡素化のための大規模な言語モデル: 患者,公衆,臨床医の評価の体系的なレビューとメタ解析

科学分野:

• 医療情報工学 医療情報工学
• 自然言語処理 (Natural Language Processing) とは,自然言語処理で処理された言語を処理する.
• 放射線科学コミュニケーション

背景:

• 放射線学の報告は,しばしば,患者にアクセスできない技術的な言語を使用します.
• 大型言語モデル (LLM) は,複雑なテキストを簡素化する能力を示しています.
• 医療情報に対する患者の理解は,医療に関する情報に基づいた意思決定に不可欠です.

研究 の 目的:

• 放射線学報告書の患者の理解を向上させるためのLLMの有効性を評価する.
• LLM簡略化された放射線報告の読みやすさと正確さを評価する.
• 患者中心のコミュニケーションにおけるLLMベースの簡素化の可能性を特定する.

主な方法:

• 放射線報告を簡素化するためにLLMを使用した研究の体系的なレビューとメタ解析.
• 含有基準は,一般市民や医療従事者によって評価された報告書に焦点を当てた.
• 主なアウトカムには,患者/臨床医の評価 (Likertスコア) とテキスト読みやすさ指標が含まれていました.

主要な成果:

• 12,922件の簡略化されたレポートを含む38件の研究が分析されました.
• 患者は,LLMで簡素化されたレポートを,より分かりやすいと評価しました (平均リカート4.04対2.16).
• Flesch-Kincaidのグレードレベルが低く,全モード (CT,X線,MRI) で読みやすさが改善されました.
• 臨床医は,簡略化されたレポートの正確性 (4.45) と完全性 (4.53) を高く評価した.
• 7.2%の小さな誤差率が観察され,0.9%が臨床的に有意であった.

結論:

• LLMベースの簡素化は,放射線報告の患者の理解と読みやすさを大幅に改善します.
• 臨床医による評価は,わずかな誤差率にもかかわらず,高い正確性と完全性を示しています.
• LLMは,患者中心の放射線通信に希望を示しており,臨床効果に関するさらなる研究を保証しています.