Automated Spinal MRI Labelling from Reports Using a Large Language Model

要約

私たちは、大規模な言語モデルを使用して放射線医学レポートからのラベルの抽出を自動化する一般的なパイプラインを提案し、脊椎 MRI レポートで検証します。
当社の標識法の有効性は、脊椎がん、狭窄、脊椎すべり症、馬尾圧迫、ヘルニアという 5 つの異なる条件で測定されます。
オープンソース モデルを使用する私たちの手法は、保持されている一連のレポートに関して GPT-4 と同等かそれを上回っています。
さらに、抽出されたラベルを使用して画像モデルをトレーニングし、付随する MR スキャンで特定された状態を分類できることを示します。
自動ラベルを使用してトレーニングされたすべての分類器は、臨床医が手動で注釈を付けたスキャンを使用してトレーニングされたモデルと同等のパフォーマンスを達成します。
コードは https://github.com/robinyjpark/AutoLabelClassifier にあります。

要約(オリジナル)

We propose a general pipeline to automate the extraction of labels from radiology reports using large language models, which we validate on spinal MRI reports. The efficacy of our labelling method is measured on five distinct conditions: spinal cancer, stenosis, spondylolisthesis, cauda equina compression and herniation. Using open-source models, our method equals or surpasses GPT-4 on a held-out set of reports. Furthermore, we show that the extracted labels can be used to train imaging models to classify the identified conditions in the accompanying MR scans. All classifiers trained using automated labels achieve comparable performance to models trained using scans manually annotated by clinicians. Code can be found at https://github.com/robinyjpark/AutoLabelClassifier.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google