通过保护隐私的大型语言模型和多类型注释来增强胸部X射线数据集:以数据为导向的方法来改进分类.

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能
• 自然语言处理自然语言处理.

背景情况:

• 目前的胸部X射线 (CXR) 报告标签依赖于基于规则的系统或监督的深度学习,通常产生有限的,仅存在的标签.
• 现有的方法缺乏适应性,并与位置,严重程度和不确定性等细微信息作斗争.
• 标签的质量直接影响了数据集对开发和评估人工智能模型的有用性.

研究的目的:

• 引入MAPLEZ (医疗报告注释与保护隐私的大型语言模型使用快速零射击答案),一种用于提取和增强CXR报告发现标签的新方法.
• 为了证明MAPLEZ能够提取全面的注释,包括存在,位置,严重程度和不确定性.
• 评估MAPLEZ生成的注释对下游分类模型性能的影响.

主要方法:

• 利用本地可执行的大型语言模型 (LLM) 来实现医疗报告注释的零射击提取.
• 开发MAPLEZ以从CXR报告中提取多种类型的发现标签 (存在,位置,严重程度,不确定性).
• 将MAPLEZ的注释性能与多个数据集和异常中的现有标签器进行比较.

主要成果:

• 与竞争方法相比,MAPLEZ在分类存在注释的宏观F1得分上实现了3.6个百分点 (pp) 的增加,在位置注释上实现了超过20个百分点的增加.
• 用MAPLEZ注释训练的模型在AUROC中增加了1.1个百分点,超过了用最好的替代注释训练的模型.
• 标签质量和下游模型性能均有显著改善.

结论:

• MAPLEZ在自动胸部X射线报告标签方面取得了重大进展,提供了更丰富,更准确的注释.
• 由MAPLEZ生成的增强标签导致医疗图像分析人工智能模型的性能大幅改善.
• 这种方法表明了LLMs在提高医疗数据集的质量和实用性的潜力.