甲状腺結節の情報抽出と医療レポート間の照合における大規模言語モデルの活用

科学分野:

• 医療情報学; ヘルスケアにおける人工知能; 腫瘍データ分析

背景:

• 臨床レポートからの甲状腺結節の特徴の手動抽出は、時間がかかり、一貫性がありません。; 正確な特徴抽出は、手術や監視を含む患者管理の決定に不可欠です。; 電子健康記録データは、効率的な情報検索に課題をもたらします。

研究 の 目的:

• オープンソースの大規模言語モデル（LLM）が甲状腺結節の特徴抽出と照合を自動化する上での有効性を評価すること。; 後向きデータセットを使用して、LLMのパフォーマンスと手動アノテーションを比較すること。; LLMが臨床ワークロードと評価者間変動を削減する可能性を評価すること。

主な方法:

• 超音波検査および病理レポートからの甲状腺結節の特徴のアノテーションスキーマを開発しました。; 451件の超音波検査および病理レポートのペアを含む後向きデータセットを使用しました。; 2つのLLM、Llama-3.3 70BおよびQwQ-32Bを、手動抽出およびアノテーションと比較してベンチマークしました。

主要な成果:

• 評価された両方のLLMは、甲状腺結節の主要な特徴（例：位置、サイズ、生検結果）を抽出する際に高い精度を示しました。; QwQ-32Bは、異なるレポート間で結節を照合するという複雑なタスクにおいて、0.987という優れたF1スコアを達成しました。; LLMのパフォーマンスは、重要な臨床データの手動アノテーションの精度に匹敵しました。

結論:

• オープンソースLLMは、臨床レポートからの甲状腺結節の特徴の抽出と照合を自動化する上で大きな可能性を示しています。; LLMを臨床ワークフローに統合することで、臨床医のワークロードを大幅に削減し、一貫性を向上させることができます。; LLM駆動の自動化は高い精度を維持し、甲状腺結節の患者管理に関する情報に基づいた意思決定をサポートします。