Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

CLEAR: A Clinically-Grounded Tabular Framework for Radiology Report Evaluation

Created by
  • Haebom

作者

Yuyang Jiang, Chacha Chen, Shengyuan Wang, Feng Li, Zecong Tang, Benjamin M. Mervak, Lydia Chelala, Christopher M Straus, Reve Chahine, Samuel G. Armato III, Chenhao Tan

概要

従来の放射線学的報告評価指標は、微妙な臨床的差異を捕捉するのに細分性と解釈力が不足し、最適ではない評価をもたらす。本論文では、放射線レポート評価のための専門家がキュレーションしたラベルと属性レベル比較を備えた臨床的に基づく表形式フレームワークである、CLIAR(Clinically-grounded tabular framework with Expert-curated labels and Attribute-level comparison for Radiology report evaluation)を提示します。 CLEARは、レポートが医学的状態の存在または不在を正確に識別できるかどうかだけでなく、最初の発生、変化、重大度、説明的位置、勧告という5つの主要な属性にわたって陽性で識別された各状態を正確に説明できるかどうかを評価します。従来の研究と比較して、CLEARの多次元属性レベル出力は、レポート品質のより包括的で臨床的に解釈可能な評価を可能にします。 CLEARの臨床的位置合わせを測定するために、5人の正式な資格を持つ放射線科医と協力して、6つのキュレーションされた属性と13のCheXpert状態にわたって注釈付きMIMIC-CXRの100の胸部X線レポートデータセットであるCLEAR-Benchを開発しました。実験の結果、CLEARは臨床特性抽出で高精度を達成し、臨床判断と強く一致する自動化された指標を提供します。

Takeaways、Limitations

Takeaways:
多次元で臨床的に解釈可能な放射線報告を評価するための新しいフレームワークであるCLEARの提示
既存指標のLimitationsを克服し、報告書の定性的評価を向上
専門家の協力による臨床的に検証されたデータセットCLEAR-Benchの構築
臨床特性抽出の高精度と臨床判断との強い相関性の確認
Limitations:
CLEAR-Benchデータセットの規模が比較的小さい(100個のレポート)
特定の種類の放射線報告書(胸部X線)にのみ焦点を当て、一般化の可能性に関するさらなる研究が必要
さまざまな医学的状態と属性のスケーラビリティ検証が必要
👍