論文の概要: Effect of Reporting Mode and Clinical Experience on Radiologists' Gaze and Image Analysis Behavior in Chest Radiography

• arxiv url: http://arxiv.org/abs/2510.16070v1
• Date: Fri, 17 Oct 2025 08:33:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.826926
• Title: Effect of Reporting Mode and Clinical Experience on Radiologists' Gaze and Image Analysis Behavior in Chest Radiography
• Title（参考訳）: 胸部X線撮影における報告モードと臨床経験が放射線医の視線および画像解析行動に及ぼす影響
• Authors: Mahta Khoobi, Marc Sebastian von der Stueck, Felix Barajas Ordonez, Anca-Maria Iancu, Eric Corban, Julia Nowak, Aleksandar Kargaliev, Valeria Perelygina, Anna-Sophie Schott, Daniel Pinto dos Santos, Christiane Kuhl, Daniel Truhn, Sven Nebelung, Robert Siepmann,
• Abstract要約: 本研究では、自由テキスト(FT)、構造化レポート(SR)、AI支援構造化レポート(AI-SR)の3つの報告モードが画像解析行動、診断精度、効率、ユーザエクスペリエンスに与える影響を評価した。 4人の初心者と4人の非初心者(放射線学者と医学生)が、カスタマイズされたビューアーとアイトラッキングシステムを用いて、セッション毎に35のベッドサイド胸部X線写真を分析した。
• 参考スコア（独自算出の注目度）: 28.778871666205603
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Structured reporting (SR) and artificial intelligence (AI) may transform how radiologists interact with imaging studies. This prospective study (July to December 2024) evaluated the impact of three reporting modes: free-text (FT), structured reporting (SR), and AI-assisted structured reporting (AI-SR), on image analysis behavior, diagnostic accuracy, efficiency, and user experience. Four novice and four non-novice readers (radiologists and medical students) each analyzed 35 bedside chest radiographs per session using a customized viewer and an eye-tracking system. Outcomes included diagnostic accuracy (compared with expert consensus using Cohen's $\kappa$), reporting time per radiograph, eye-tracking metrics, and questionnaire-based user experience. Statistical analysis used generalized linear mixed models with Bonferroni post-hoc tests with a significance level of ($P \le .01$). Diagnostic accuracy was similar in FT ($\kappa = 0.58$) and SR ($\kappa = 0.60$) but higher in AI-SR ($\kappa = 0.71$, $P < .001$). Reporting times decreased from $88 \pm 38$ s (FT) to $37 \pm 18$ s (SR) and $25 \pm 9$ s (AI-SR) ($P < .001$). Saccade counts for the radiograph field ($205 \pm 135$ (FT), $123 \pm 88$ (SR), $97 \pm 58$ (AI-SR)) and total fixation duration for the report field ($11 \pm 5$ s (FT), $5 \pm 3$ s (SR), $4 \pm 1$ s (AI-SR)) were lower with SR and AI-SR ($P < .001$ each). Novice readers shifted gaze towards the radiograph in SR, while non-novice readers maintained their focus on the radiograph. AI-SR was the preferred mode. In conclusion, SR improves efficiency by guiding visual attention toward the image, and AI-prefilled SR further enhances diagnostic accuracy and user satisfaction.
• Abstract（参考訳）: 構造化レポート(SR)と人工知能(AI)は、放射線学者が画像研究とどのように相互作用するかを変える可能性がある。 この調査(2024年7月から12月)は、自由テキスト(FT)、構造化レポート(SR)、AI支援構造化レポート(AI-SR)の3つのレポートモードが画像解析行動、診断精度、効率、ユーザエクスペリエンスに与える影響を評価した。 4人の初心者と4人の非初心者(放射線学者と医学生)がそれぞれ、カスタマイズされたビューアーとアイトラッキングシステムを使用して、セッション毎に35のベッドサイド胸部X線写真を分析した。 成果には、診断精度(Cohen氏の$\kappa$を使用した専門家のコンセンサスとの比較)、ラジオグラフ毎のレポート時間、アイトラッキングメトリクス、アンケートベースのユーザエクスペリエンスなどが含まれていた。 統計解析は一般線形混合モデルとBonferroniポストホック試験(P \le .01$)を用いた。 診断精度はFT(\kappa = 0.58$)やSR(\kappa = 0.60$)と似ているが、AI-SR(\kappa = 0.71$, $P < .001$)では高い。 報告時間は8,8 pm 38$ s (FT) から37 pm 18$ s (SR) に減少し、25 pm 9$ s (AI-SR) (P < .001$) まで減少した。 Saccade counts for the radiograph field (205 \pm 135$ (FT), $123 \pm 88$ (SR), 9,7 \pm 58$ (AI-SR) and total fixation duration for the report field (11 \pm 5$ s (FT), $5 \pm 3$ s (SR), $4 \pm 1$ s (AI-SR)) were lower with SR and AI-SR (P < 001$)。 初心者の読者はソ連のラジオグラフに目を向け、非初心者の読者はラジオグラフに集中した。 AI-SRが好まれていた。 結論として、画像に対する視覚的注意を導くことにより、SRは効率を向上し、AIで補充されたSRは、さらに診断精度とユーザ満足度を高める。

関連論文リスト

• Evaluating Reasoning Faithfulness in Medical Vision-Language Models using Multimodal Perturbations [19.488236277427358]
  視覚言語モデル(VLM)は、しばしばチェーン・オブ・シント(CoT)の説明を生み出す。 胸部X線視覚質問応答(VQA)の臨床的基盤として,制御されたテキストと画像修正を用いてCoT忠実度を探索するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-13T09:28:22Z)
• Evaluation of Machine Learning Reconstruction Techniques for Accelerated Brain MRI Scans [0.0]
  DeepFoqus-Accelerateは、75%のスキャン時間で堅牢な4倍の脳MRI加速を可能にする。 以上の結果から,DeepFoqus-Accelerateは,75%のスキャン時間で頑健な4倍の脳MRI加速を可能にした。
  論文  参考訳（メタデータ） (2025-09-08T20:20:24Z)
• Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients [65.57160385098935]
  糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。 我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。 当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
  論文  参考訳（メタデータ） (2025-08-17T21:54:11Z)
• PanoDiff-SR: Synthesizing Dental Panoramic Radiographs using Diffusion and Super-resolution [60.970656010712275]
  PanoDiff と Super-Resolution (SR) を組み合わせて合成歯科用パノラマ線写真(PR)を作製する手法を提案する。 前者は、SRモデルで処理されたPRの低分解能(LR)シードを生成し、1024×512の高分解能(HR)PRを生成する。 SRでは,局所的・言語的関係を学習し,よりシャープなエッジやテクスチャをもたらす最先端のトランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2025-07-12T09:52:10Z)
• Statistical validation of a deep learning algorithm for dental anomaly detection in intraoral radiographs using paired data [0.0]
  本研究は, 深層学習アルゴリズムを用いた歯科医師の検出性能と, 画像評価を行う歯科医師の先行成績を比較した。 これらの結果の統計的意義は、マクネマール検定と二項仮説検定の両方を用いて広く証明されている。
  論文  参考訳（メタデータ） (2024-02-01T13:46:36Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)
• CXR-LLAVA: a multimodal large language model for interpreting chest X-ray images [3.0757789554622597]
  本研究の目的は,胸部X線画像(CXR)を解釈するためのオープンソースのマルチモーダル大言語モデル(CXR-LLAVA)を開発することである。 トレーニングでは,592,580個のCXRを収集し,そのうち374,881個のX線写真異常のラベルが得られた。 主な病理所見に対する診断成績と,ヒト放射線技師による放射線学的報告の受容性について検討した。
  論文  参考訳（メタデータ） (2023-10-22T06:22:37Z)
• AI-based software for lung nodule detection in chest X-rays -- Time for a second reader approach? [0.0]
  日本放射線技術学会データベースを解析した。 AIモード -- 自動化とアシスト -- は、平均的な感度向上を生み出した。 どちらのAIモードも、放射線技師が見逃した肺結節をかなりの数の症例でフラグ付けした。
  論文  参考訳（メタデータ） (2022-06-22T08:35:04Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• AI-based Clinical Assessment of Optic Nerve Head Robustness Superseding Biomechanical Testing [54.306443917863355]
  我々は,ONHの1つのOCTスキャンからのみ,与えられたONHの堅牢性を評価することができるAI駆動型アプローチを提案する。 縦断的研究は、ONHの頑健さが高速な視野障害進行因子の同定に役立つかどうかを確かめるべきである。
  論文  参考訳（メタデータ） (2022-06-09T11:29:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。