放射線科医と患者のコミュニケーションにおける大規模言語モデル：臨床実践のためのナラティブレビュー

科学分野:

• 放射線科と人工知能
• 臨床自然言語処理
• 医療情報学

背景:

• 大規模言語モデル（LLM）は、レポートの単純化、翻訳、患者コミュニケーションにおいて放射線科に可能性をもたらします。
• 放射線科におけるLLMの臨床的価値と安全性は依然として不確かであり、現在のエビデンスの包括的なレビューが必要です。

研究 の 目的:

• レポートの単純化、翻訳、患者教育、および患者の態度における臨床医を介したLLMの使用に関するエビデンスを統合すること。
• 責任あるLLM展開のための重要なエビデンスギャップを特定し、推奨事項を提供すること。

主な方法:

• SANRA品質基準に準拠したナラティブレビュー。
• 2020年から2025年の間に発表された49の研究からのエビデンスの合成。
• 4つの主要なドメインにおける臨床医を介したLLMアプリケーションに焦点を当てました。

主要な成果:

• LLMはレポートの可読性を2〜6グレードレベル向上させましたが、患者の理解についてはさらなる研究が必要です。
• 管理された環境では、最大80％の出力で専門家によるレビューが必要であり、0〜10％で事実誤認が発生しました。
• 翻訳の質は言語リソースによって異なり、明示的な臨床医の監督があれば患者の受容性は高かったです。

結論:

• LLMは、監視下で機関がホストする展開において、要約や翻訳のドラフトなどの特定の放射線科タスクに有望です。
• 現在のところ、自律的なLLM展開または直接の患者による自己使用はエビデンスによって裏付けられていません。
• 理解の結果、ワークフロー統合、および実際の検証に関するさらなる研究が必要です。