原題
Automated Analysis of Radiation Oncology Incident Reports Using Large Language Models: A Multi-Institutional Technical Validation Study.
背景:放射線腫瘍学におけるインシデント報告には、専門家による時間のかかるレビューが必要であり、LLMの自動化はスケーラビリティと一貫性を改善する可能性がある。
方法:地域で展開されたLLMパイプラインは、2つの匿名化されたセンターからの600件のROILS報告を要約し、タグ付けした。第1ラウンドではミストラル/ミクストラル(495件の専門家評価)を使用し、第2ラウンドでは迅速なエンジニアリング、RAG、およびより大規模なモデル(105件の評価)を追加した。臨床専門家は5点尺度でアウトプットを評価し、混合効果分析は変化を評価した。
結果:ラウンド間の有意な改善。施設1の要約3.34→4.20およびタグ3.28→4.32;施設2の要約3.61→4.02(p=0.055)およびタグ3.79→4.40。4以上のパフォーマンスは68.9-86.7%に達した。時間/報告は5.6→19.2秒上昇した。
結論:局所的に展開されたLLMは、自動化されたインシデント分析のために技術的に実行可能であり、サイトの変動性はさらなる研究に値する。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2026.05.003
PMID: 42142767
コメント