急性胸部疾患における胸部X線解釈に関する大規模言語モデルの精度評価
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Evaluating a large language model's accuracy in chest X-ray interpretation for acute thoracic conditions.
雑誌名：Am J Emerg Med. 2025 Jul; 93: 99-102.
概 要：
本研究は、急性胸部疾患の診断における胸部X線の解釈における大規模言語モデル（LLM）の可能性を評価しました。胸部X線は救急科での急性胸部疾患の診断に不可欠ですが、放射線科医の利用可能性による解釈の遅延が臨床判断に影響を与える可能性があります。ChatGPT 4.0を用いて、NIH胸部X線データセットからの1400枚の画像を分析し、7つの病理カテゴリ（無気肺、胸水、肺気腫、気胸、肺炎、腫瘤、異常なし）における診断性能を評価しました。
方 法：
この研究では、ChatGPT 4.0が急性胸部疾患に関連する胸部X線を解釈する能力を評価しました。NIH胸部X線データセットからの1400枚の画像を使用し、無気肺、胸水、肺気腫、気胸、肺炎、腫瘤、異常なしの7つの病理カテゴリに分類しました。ChatGPTは「X-Ray Interpreter」アドオンを利用して診断性能を評価されました。
結 果：
ChatGPTは正常な胸部X線の識別において高い性能を示し、感度98.9%、特異度93.9%、精度94.7%を達成しました。しかし、病理によって性能は異なり、肺炎（感度76.2%、特異度93.7%）や気胸（感度77.4%、特異度89.1%）の診断で最良の結果が得られましたが、無気肺や肺気腫の性能は低下しました。
結 論：
ChatGPTは正常と異常の胸部X線を区別する補助ツールとしての可能性を示し、特に肺炎に対して有望な結果を得ました。しかし、より微妙な状態に対する診断精度の向上が求められます。専門の画像認識モデルとの統合によるさらなる研究が、医療画像や教育における新たな可能性を提供することが期待されます。