原題
Automated Classification of Radiation Oncology Safety Events Using Large Language Models: A Novel Approach to Streamline Reporting and Enable Retrospective Analysis.
背景:放射線腫瘍安全事象の分類を自動化するための大規模言語モデルの使用の実現可能性を評価し、AI報告の枠組みを概説する。
方法:レトロスペクティブなインシデントは非識別化され、処理された;GPT 5は、インシデントの次元を分類するために、アプリケーションプログラミングインターフェースを介して迅速に設計された。3人の盲検化された専門家がアウトプットを検証した;コーエンのκで測定された一致。
結果:80件の検証インシデントについて、モデルは次元比較の67.9%(包含96.2%、治療タイプ85.3%、発生したワークフロー76.6%)で専門家グループの回答と一致した。平均モデルレビュー担当者κ=0.31対レビュー担当者間κ=0.42。重症度スコアの一致度が最も低かった(モデルレビュー担当者κ=0.14、レビュー担当者間κ=0.22)。
結論:LLM分類は実行可能であり、ハイブリッドAIヒューマンワークフローは放射線腫瘍学報告の効率と一貫性を改善することができた。
Journal: Pract Radiat Oncol (CiteScore 2022: 4.6)
DOI: 10.1016/j.prro.2026.08.001
PMID: 42758072
コメント