临床医生与视觉语言模型在放射学报告生成中的合作

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 自动化放射学报告生成可以提高患者护理,减少放射科医生的工作量.
• 评估人工智能生成的报告的临床质量是现实世界采用的关键挑战.

研究的目的:

• 构建和评估一个最先进的AI系统 (Flamingo-CXR) 用于胸部X射线图报告生成.
• 通过专家评估,评估人工智能生成的放射学报告的临床质量和实用性.

主要方法:

• 开发了Flamingo-CXR,这是一个用于生成胸部X光学报告的AI系统.
• 聘请一组经过董事会认证的放射科医生评估人工智能生成的报告与临床医生的报告.
• 在不同的临床环境中分析了报告偏好,并在AI和人类报告中确定了错误率.

主要成果:

• 56.1%的重症监护病房报告和77.7%的整体住院/门诊报告被偏好或等同于临床医生报告.
• 94%的没有异常发现的病例报告是偏好的或同等的.
• 在人工智能和人类报告中发现了显著的错误率 (24.8%的共享错误).

结论:

• 弗拉明戈-CXR在放射学报告生成中显示出显著的临床实用性潜力.
• 专家评估表明,人工智能报告与人类报告具有竞争力,特别是在特定的环境中.
• 一个辅助临床医生-人工智能协作设置显示出解决错误和增强报告组成的希望.