論文の概要: Improving O-RADS Risk Stratification from Ultrasound Reports: A Comparative Evaluation of Hybrid versus End-to-End LLM Reasoning Strategies
- arxiv url: http://arxiv.org/abs/2608.23061v1
- Date: Mon, 24 Aug 2026 10:04:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.01893
- Title: Improving O-RADS Risk Stratification from Ultrasound Reports: A Comparative Evaluation of Hybrid versus End-to-End LLM Reasoning Strategies
- Title（参考訳）: 超音波によるO-RADSリスク階層化の改善:ハイブリッドとエンド・ツー・エンドのLLM推論手法の比較検討
- Abstract要約: ORADS(OvarianAd Reportingal and Data Fable System)分類における大規模言語モデル(LLM)の性能と推論戦略を比較した。
機能ベースのハイブリッドアーキテクチャは、ほぼ最高の性能を示し、99.2%の精度(390の387)と参照標準との一致を実現した。
- 参考スコア（独自算出の注目度）: 17.85382282659117
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: Automating clinical guideline-based decision-making with large language models (LLMs) remains challenging because of reliability, hallucination, and limited interpretability. We compared the performance of LLMs and reasoning strategies for automated Ovarian-Adnexal Reporting and Data System (O-RADS) classification from free-text pelvic ultrasound reports. Methods: In this retrospective study, consecutive patients with ovarian masses who underwent pelvic ultrasound were included. Eight LLMs were tested with three reasoning strategies: implicit-knowledge end-to-end, rule-informed end-to-end, and a feature-based hybrid architecture that decoupled feature extraction from rule-based classification. The reference standard was O-RADS categorization established by expert consensus. Results: A total of 310 women with 390 ovarian masses were evaluated. The feature-based hybrid architecture using Gemini 3.6 Flash demonstrated the best performance, achieving an accuracy of 99.2% (387 of 390) and almost perfect agreement with the reference standard (weighted kappa = 1.00; 95% CI: 0.99-1.00). Its performance surpassed that of original clinical reports (accuracy, 87.7% [342 of 390]; weighted kappa = 0.94; 95% CI: 0.91-0.96) and end-to-end LLM strategies (accuracy range, 65.6% [256 of 390] to 95.9% [374 of 390]). For structured feature extraction, Gemini 3.6 Flash demonstrated higher overall accuracy than Claude Fable 5 (98.9% vs 97.8%; P < 0.001). The hybrid architecture reduced misclassification errors and mitigated the overstaging tendency observed in original reports. Conclusion: The feature-based hybrid LLM architecture that separates clinical feature extraction from deterministic guideline execution enables highly accurate, reliable, and interpretable automated O-RADS classification, providing a promising approach for standardized, guideline-based clinical decision-making.
- Abstract（参考訳）: 背景: 大規模言語モデル(LLM)による臨床ガイドラインに基づく意思決定の自動化は,信頼性,幻覚,限定的な解釈可能性のため,依然として困難である。
フリーテキスト骨盤内超音波によるO-RADS分類におけるLCMの性能と推論方法の比較を行った。
方法: 骨盤超音波検査を施行した卵巣腫瘤症例を対象に, 術後経過観察を行った。
8つのLCMは、暗黙的知識のエンドツーエンド、ルールインフォームドエンドツーエンド、およびルールベースの分類から特徴抽出を分離する機能ベースのハイブリッドアーキテクチャの3つの理由付け戦略でテストされた。
基準基準は専門家の合意によって確立されたO-RADS分類である。
結果: 卵巣腫瘤390例の計310例について検討した。
Gemini 3.6 Flashを使った機能ベースのハイブリッドアーキテクチャは、99.2%の精度(390の387の387)と参照標準とのほぼ完全な一致(重み付きkappa = 1.00; 95% CI: 0.99-1.00)を達成し、最高のパフォーマンスを示した。
その性能は、当初の臨床報告(精度87.7%(390の342)、重み付きカッパ=0.94、95%CI:0.91-0.96)、エンドツーエンドLSM戦略(精度範囲65.6%(390の256)から95.9%(390の374))を上回った。
構造的特徴抽出では、Gemini 3.6 FlashはClaude Fable 5(98.9%対97.8%; P < 0.001)よりも全体的な精度が高かった。
ハイブリッドアーキテクチャは誤分類エラーを減らし、元のレポートに見られる過度な傾向を緩和した。
結論: 決定論的ガイドライン実行から臨床特徴抽出を分離する特徴ベースハイブリッドLCMアーキテクチャは,高度に正確で信頼性が高く,かつ解釈可能な自動O-RADS分類を可能にし,標準化されたガイドラインに基づく臨床意思決定のための有望なアプローチを提供する。
関連論文リスト
- TRIAGE: Risk-Controlled Pseudo-Label Admission for Annotation-Efficient Semi-Supervised Retinal OCT Classification [0.6213771671016098]
本稿では,OCTスキャン分類のためのリスク制御型半教師付きフレームワークTRIAGEを提案する。
ノアアイ病院(Bスキャン16,822人、161人、554巻)のデータセットで、TRIAGEは89.66%のスキャンレベルの精度、0.8805のマクロF1、0.9641のマクロAUC、そして8.34%の下位グレードレートを示している。
論文 参考訳（メタデータ） (2026-08-14T14:06:48Z) - CLExEval: A Human-in-the-Loop Framework for Qualitative Evaluation of LLM Clinical Reasoning [37.91882261875461]
大規模言語モデル (LLMs) は多くの医学ベンチマークにおいて強い結果が得られたが, 臨床的理由を確実に評価することは困難である。
プログレッシブな情報マスキング下でのLCM臨床推論を評価するための人為的ループ・フレームワークであるCLExEvalを紹介した。
論文 参考訳（メタデータ） (2026-06-30T12:56:42Z) - TRIAGE: Dialectical Reasoning for Explainable Risk Prediction on Irregularly Sampled Medical Time Series with LLMs [38.333764111610044]
競合する臨床結果に対する弁証的推論を生成するために, LLM を訓練するフレームワーク TRIAGE を提案する。
3つのISMTSベンチマークで評価され、TRIAGEは平均AUPRCの改善を3.3%達成し、キャリブレーションエラーを81%削減した。
論文 参考訳（メタデータ） (2026-06-08T04:53:44Z) - Automated Detection of Dosing Errors in Clinical Trial Narratives: A Multi-Modal Feature Engineering Approach with LightGBM [1.0152838128195467]
本研究では,非構造的臨床試験におけるドスリングエラーの自動検出システムを提案する。
提案手法は,従来のNLP(TF-IDF,キャラクタn-gram),密接なセマンティック埋め込み,ドメイン固有の医療パターン,トランスフォーマーベースのスコアにまたがる3,451の特徴を組み合わせたものである。
論文 参考訳（メタデータ） (2026-03-25T14:56:34Z) - Beyond Anatomy: Explainable ASD Classification from rs-fMRI via Functional Parcellation and Graph Attention Networks [6.923757075165361]
解剖学的脳解析は rs-fMRI に基づく自閉症スペクトラム障害 (ASD) の分類を支配している。
ABIDE Iデータセット上の解剖学的(AAL)と機能的(MSDL)パーセレーション戦略を比較したグラフベースのディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-03T02:05:20Z) - PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。
我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。
LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
論文 参考訳（メタデータ） (2026-03-02T00:50:39Z) - Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。
ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。
MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
論文 参考訳（メタデータ） (2025-11-19T20:11:49Z) - Hybrid Ensemble of Segmentation-Assisted Classification and GBDT for Skin Cancer Detection with Engineered Metadata and Synthetic Lesions from ISIC 2024 Non-Dermoscopic 3D-TBP Images [0.0]
本研究は,皮膚病変の分類のためのハイブリッドマシンと深層学習に基づくアプローチを提案する。
3D全体写真(TBP)から抽出した401,059個の画像からなり、非皮膚内視鏡的なスマートフォンのような状態をエミュレートする。
予測は、エンジニアリングされた特徴と患者固有の関係指標によって強化された、勾配ブースト決定木(GBDT)アンサンブルで融合される。
論文 参考訳（メタデータ） (2025-06-03T22:00:03Z) - MedHELM: Holistic Evaluation of Large Language Models for Medical Tasks [47.486705282473984]
大規模言語モデル(LLM)は、医学試験においてほぼ完璧なスコアを得る。
これらの評価は、実際の臨床実践の複雑さと多様性を不十分に反映している。
MedHELMは,医療業務におけるLCMの性能を評価するための評価フレームワークである。
論文 参考訳（メタデータ） (2025-05-26T22:55:49Z) - Agent-Based Uncertainty Awareness Improves Automated Radiology Report Labeling with an Open-Source Large Language Model [1.7064514726335305]
クローン病患者のヘブライ語9,683例について検討した。
我々は不確実性を認識したプロンプトアンサンブルとエージェントに基づく決定モデルを導入した。
論文 参考訳（メタデータ） (2025-02-02T16:57:03Z) - Enhancing Diagnostic Reliability of Foundation Model with Uncertainty Estimation in OCT Images [41.002573031087856]
光コヒーレンストモグラフィー(OCT)における11個の網膜状態を検出するために,不確実性推定(FMUE)を用いた基礎モデルを開発した。
FMUEは2つの最先端アルゴリズムであるRETFoundとUIOSよりも96.76%高いF1スコアを獲得し、しきい値戦略を98.44%に改善した。
我々のモデルは、F1スコアが高い2人の眼科医(95.17%対61.93% &71.72%)より優れている。
論文 参考訳（メタデータ） (2024-06-18T03:04:52Z)
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。