合成データを用いた放射線レポートの文脈認識型文分類の開発と検証研究
カテゴリ：診断支援・画像解析
公開日：2026年4月11日
タイトル：Context-Aware Sentence Classification of Radiology Reports Using Synthetic Data: Development and Validation Study
雑誌名：J Med Internet Res. 2026 Apr 10; 28: e86365. doi: 10.2196/86365.
概 要：
本研究は、放射線レポートの自動構造化が医療AIモデルの開発に不可欠であることを背景に、完全に合成データを用いた日本語放射線レポートの文脈認識型文分類モデルを開発することを目的としています。手動アノテーションの負担を軽減し、プライバシーリスクを回避するために、実際の臨床データに依存せずにモデルを訓練しました。また、異なる機関からの実際のレポートに対するモデルの一般化能力を評価しました。
方 法：
合成データとして生成した日本語放射線レポート（n=3104）を用い、文レベルで4つのカテゴリ（背景、陽性所見、陰性所見、継続）に自動アノテーションしました。データは訓練（n=2670）、検証（n=334）、テスト（n=100）セットに分割し、複数のモデルをファインチューニングしました。外部検証には、日本医療画像データベースからの280件の実際のレポート（3477文）を使用し、評価指標には精度、マクロ平均F1スコア、陽性所見の陽性的中率（PPV_1）を用いました。
結 果：
合成テストセットでは、全モデルが高い性能を示しました（精度：0.938-0.951；マクロF1スコア：0.924-0.940）。外部検証データセットでは性能が低下しましたが（精度：0.783-0.813；マクロF1スコア：0.761-0.790）、PPV_1は安定して高い値を維持しました（例：合成テストセットでのQwen3のPPV_1は0.957、外部検証データセットでは0.952）。LLMベースのアプローチでは解析エラーが発生しました。
結 論：
本研究は、合成データを用いた日本語放射線レポートの文脈認識型文分類モデルの開発が可能であることを示しました。PPV_1の安定性は、モデルが実際のレポートにおける陽性所見を特定するために必要な臨床用語や言語パターンを捉えていることを示唆しています。このアプローチは、手動アノテーションの要件とプライバシーリスクを大幅に削減し、臨床関連の医療AIモデルの開発を支える構造化された放射線データセットの構築のためのスケーラブルな基盤を提供します。