大規模言語モデルを用いたコンテキスト内学習による肺RADS分類およびフォローアップ推奨の自動化
Tiancheng Zhou1, Aokun Chen1, Yu Hu1
1Department of Health Outcomes & Biomedical Informatics, College of Medicine, University of Florida, Gainesville, Florida, USA.
AMIA ... Annual Symposium proceedings. AMIA Symposium
|February 23, 2026
まとめ
大規模言語モデル（LLM）は、放射線レポートからの肺結節分類を自動化することにより、放射線科医を支援できます。これにより、肺がんスクリーニングの効率と精度が向上し、適時介入に役立ちます。
科学分野:
- 放射線医学
- 人工知能
- 腫瘍学
背景:
- 肺がんは死亡の主な原因であり、スクリーニングによる早期発見が必要です。
- 低線量コンピューテッドトモグラフィー（LDCT）スクリーニングは、ハイリスク個人に効果的です。
- 肺結節の放射線レポートの解釈は時間がかかり、Lung-RADSを使用しても曖昧になる可能性があります。
主な方法:
- コンテキスト内学習を用いた大規模言語モデル（LLM）フレームワークを利用しました。
- 肺結節分析のために元の放射線レポートを処理することに焦点を当てました。
- Lung-RADSの評価を生成し、臨床的意思決定をサポートすることを目的としました。
結論:
- LLMは、肺がんスクリーニングレポートの解釈における課題に対する有望なソリューションを提供します。
- このアプローチは、放射線科医のワークフローにおける効率と精度を向上させることができます。
- このフレームワークは、肺がん患者のための適時かつ正確な介入をサポートします。
