MEDICINE & AI

タイトル：Efficient labeling of french mammogram reports with MammoBERT 雑誌名：Sci Rep. 2024 Oct 22; 14(1): 24842. 概　要： 本研究は、フランス語のマンモグラム報告書を効率的にラベリングするためのBERTベースのアプローチを提案します。医療分野における自動テキスト処理の機会は、深層学習と自然言語処理の進展により広がっていますが、フランス語のようなリソースが限られた言語では、法的制約によりデータセットが不足しています。従来のラベリング手法は、医療ドメインの知識に基づく特徴エンジニアリングや放射線科医による手動注釈に依存しており、労力を要します。本研究では、ルールベースのシステムと放射線科医の注釈の精度を活用し、MammoBERTを開発しました。このモデルは、放射線科医の注釈の限られたデータセットでファインチューニングされた後、ルールベースのラベラーによって生成された注釈で訓練されました。 方　法： 本研究は、BERTを基にしたモデルを用いたコホート研究です。最初に、放射線科医の注釈から得られた限られたデータセットでファインチューニングを行い、その後、ルールベースのラベラーによって生成された注釈で訓練しました。主要評価指標は、MammoBERTの性能とルールベースのラベラーとの比較です。 結　果： MammoBERTは、ルールベースのラベラーに対して有意に優れた性能を示しました。具体的には、放射線科医の注釈を必要とすることなく、効率的にラベリングを行うことができることが確認されました。この結果は、医療画像報告書のラベリングにおける新たな進展を示しています。 結　論： MammoBERTは、フランス語のマンモグラム報告書のラベリングにおいて、従来の手法を上回る性能を発揮し、放射線科医の注釈の必要性を軽減することができる効率的かつ効果的なソリューションを提供します。この研究は、大規模な医療画像モデルの開発における新たな可能性を示唆しています。