ChatCAD+: Towards a Universal and Reliable Interactive CAD using LLMs

要約

コンピュータ支援診断 (CAD) と大規模言語モデル (LLM) の統合は、臨床応用、特に放射線科医が行うものと同様の診断プロセスの自動化や仮想家庭医のような診察の提供において、有望なフロンティアを提示します。
この統合の有望な可能性にもかかわらず、現在の研究は少なくとも 2 つの制限に直面しています: (1) 放射線科医の観点から見ると、既存の研究は通常、適用可能な画像領域の範囲が限られており、さまざまな患者の診断ニーズを満たすことができません。
また、LLM の診断能力が不十分であるため、生成される医療レポートの品質と信頼性がさらに損なわれます。
(2) 現在の LLM には必要な医療専門知識が不足しており、患者の診察中に提供されるアドバイスの信頼性が低い可能性があるため、仮想家庭医としての効果が低下しています。
これらの制限に対処するために、ユニバーサルで信頼性の高い ChatCAD+ を導入します。
具体的には、(1) 信頼性の高いレポート生成と (2) 信頼性の高い対話という 2 つの主要モジュールによって特徴付けられます。
信頼性の高いレポート生成モジュールは、さまざまなドメインからの医療画像を解釈し、当社が提案する階層型インコンテキスト学習を通じて高品質の医療レポートを生成できます。
同時に、インタラクション モジュールは信頼できる医療 Web サイトからの最新情報を活用して、信頼できる医療アドバイスを提供します。
これらの設計されたモジュールは、医療専門家の専門知識と密接に連携して相乗効果を発揮し、解釈とアドバイスの一貫性と信頼性が向上します。
ソース コードは https://github.com/zhaozh10/ChatCAD で入手できます。

要約(オリジナル)

The integration of Computer-Aided Diagnosis (CAD) with Large Language Models (LLMs) presents a promising frontier in clinical applications, notably in automating diagnostic processes akin to those performed by radiologists and providing consultations similar to a virtual family doctor. Despite the promising potential of this integration, current works face at least two limitations: (1) From the perspective of a radiologist, existing studies typically have a restricted scope of applicable imaging domains, failing to meet the diagnostic needs of different patients. Also, the insufficient diagnostic capability of LLMs further undermine the quality and reliability of the generated medical reports. (2) Current LLMs lack the requisite depth in medical expertise, rendering them less effective as virtual family doctors due to the potential unreliability of the advice provided during patient consultations. To address these limitations, we introduce ChatCAD+, to be universal and reliable. Specifically, it is featured by two main modules: (1) Reliable Report Generation and (2) Reliable Interaction. The Reliable Report Generation module is capable of interpreting medical images from diverse domains and generate high-quality medical reports via our proposed hierarchical in-context learning. Concurrently, the interaction module leverages up-to-date information from reputable medical websites to provide reliable medical advice. Together, these designed modules synergize to closely align with the expertise of human medical professionals, offering enhanced consistency and reliability for interpretation and advice. The source code is available at https://github.com/zhaozh10/ChatCAD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google