原題
End-to-End PET/CT Interpretation and Quantification with an LLM-Orchestrated AI Agent: A Real-World Pilot Study.
背景:定量的報告に対するエンドツーエンドの自動PET/CT解釈は、不均一な実世界の設定では制限される。
方法:LLMで編成されたエージェントは、生のDICOMからシリーズを選択し、登録とSUV変換を実行し、セグメンテーション/検出とビジョンLLMを実行し、構造化されたドラフトレポートを作成した。レトロスペクティブ評価では、肺癌に対する170のベースライン[F]FDG PET/CTを臨床報告と比較した。
結果:エージェントは、170件の検査すべてのワークフローを完了した。原発性腫瘍の検出感度は100%、リンパ節の感度は84.8%、特異度は39.4%、遠隔転移の感度は70.2%、特異度は65.0%であった。エラーは、生理学的/反応性偽陽性および少量または非定型の偽陰性から生じた。
結論:ワークフローの自動化は実現可能であるが、リンパ節/転移の制限には専門家の監視が必要である。
Journal: J Nucl Med (CiteScore 2022: 12.9)
DOI: 10.2967/jnumed.126.272362
PMID: 42315314
コメント