放射線レポートの合成データを用いたコンテキスト認識型文分類：開発および検証研究 | JoVE Visualize

科学分野:

放射線科における人工知能;医療データのための自然言語処理;ヘルスケアのための合成データ生成

背景:

放射線レポートの自動構造化は、データ活用とAI開発に不可欠です。;手動アノテーションは労働集約的であり、特に日本語のような非英語言語では、実際の臨床データはプライバシーリスクを伴います。;合成データはプライバシーを保護する代替手段を提供しますが、複雑な臨床的ニュアンスに対する有効性は証明されていません。

研究の目的:

完全に合成されたトレーニングパイプラインを使用して、日本語放射線レポートのコンテキスト認識型文分類モデルを開発すること。;モデル開発中に実際の臨床データへの依存を排除すること。;多様な、複数の機関の実際のレポートでモデルの一般化可能性を評価すること。

主な方法:

GPT-4.1を使用して3,104件の合成日本語放射線レポートを生成し、GPT-4.1-miniでアノテーションを付けました。;LoRAを使用して、軽量ローカルLLM（Qwen3、Llama 3.2）および日本語テキスト分類モデル（BERT、JMedRoBERTa、ModernBERT）をファインチューニングしました。;J-MIDからの280件の実際のレポートでモデルを検証し、放射線科医がラベルを確認しました。

主要な成果:

モデルは合成データで高いパフォーマンスを達成しました（精度：0.938-0.951、マクロF1：0.924-0.940）。;実際のデータではパフォーマンスが低下しました（精度：0.783-0.813、マクロF1：0.761-0.790）が、陽性所見の陽性予測値（PPV_1）は依然として高く（例：0.952）、維持されました。;LLMベースのアプローチは、外部データセットで軽微な解析エラー（0.55％-7.48％）を示しました。

結論:

合成データを使用して日本語放射線レポートのコンテキスト認識型文分類モデルを開発することは可能です。;モデルは、安定したPPV_1によって示されるように、陽性所見を特定するための重要な臨床用語とパターンを正常に捉えました。;この合成データアプローチは、アノテーションの負担とプライバシーリスクを軽減し、医用画像におけるAI開発をサポートします。