ローカル大規模言語モデルを用いた合成臨床テキスト生成による放射線レポートにおける誤診された四肢骨折の特定
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Generating synthetic clinical text with local large language models to identify misdiagnosed limb fractures in radiology reports.
雑誌名：Artif Intell Med. 2025 Jan; 159: 103027.
概 要：
本研究では、オープンソースの大規模言語モデル（LLM）を用いて合成放射線レポートを生成し、実世界の注釈データを補完する可能性を探りました。LLMは、実際のデータ収集や注釈の負担を軽減し、AIモデルのトレーニングに役立つと期待されています。ローカルにホストされたLLMは、ChatGPTやGPT-4と同等の性能を発揮し、誤診された骨折の特定におけるレポート分類タスクのためのトレーニングデータを増強することができました。合成レポートのみを使用した場合でも、実世界のデータを用いた場合の90%以上の性能を達成しました。これにより、オープンソースのローカルLLMが合成臨床レポート作成において有望な選択肢であることが示されました。
方 法：
本研究は、オープンソースの大規模言語モデルを使用して合成放射線レポートを生成し、実世界のデータを補完することを目的とした研究です。ローカルにホストされたLLMの性能を、ChatGPTやGPT-4と比較し、誤診された骨折の特定におけるレポート分類タスクにおけるトレーニングデータの増強効果を評価しました。合成レポートのみによるモデルのトレーニングにおいて、90%以上の性能を達成しました。
結 果：
ローカルにホストされたLLMは、ChatGPTやGPT-4と同等の性能を示し、誤診された骨折の特定におけるレポート分類タスクのためのトレーニングデータを効果的に増強しました。合成レポートのみを使用した場合でも、実世界のデータを用いた場合の90%以上の性能を達成しました。
結 論：
オープンソースのローカルLLMは、合成臨床レポートを生成するための有望な選択肢であり、実世界のデータを補完することで、医療におけるAIモデルのトレーニングを効率化する可能性があります。