論文の概要: From Density to Biopsy Decisions and Malignancy Prediction: A Benchmark Study of Multimodal Large Language Models Against Radiologists in Digital and Contrast-Enhanced Mammography

• arxiv url: http://arxiv.org/abs/2609.14676v1
• Date: Sun, 13 Sep 2026 17:17:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.894517
• Title: From Density to Biopsy Decisions and Malignancy Prediction: A Benchmark Study of Multimodal Large Language Models Against Radiologists in Digital and Contrast-Enhanced Mammography
• Title（参考訳）: 密度から生検決定と悪性度予測:デジタル・コントラスト造影乳房造影における放射線医に対する多モード大言語モデルのベンチマーク研究
• Abstract要約: 放射線学者は一般的に分類学的タスクにおいてMLLMよりも優れていた。 病変マスクはMLLM連続悪性度予測精度を著しく改善した。
• 参考スコア（独自算出の注目度）: 7.649372051560705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: To compare four multimodal large language models (MLLMs) with radiologists of varying expertise in breast density assessment, BI-RADS assessment, biopsy candidacy determination, and continuous malignancy probability estimation using digital mammography (DM) and contrast-enhanced mammography (CEM). Methods: This study included 179 women with paired DM/CEM examinations and reference standards. Four MLLMs (ChatGPT-5.2, Gemini-3.1 Pro, Sonnet-4.6, Muse Spark) interpreted images with and without masks; three radiologists interpreted non-masked images. Results: For binary density classification on DM, radiologist accuracies ranged from 55.81% to 78.60%, exceeding most MLLM values (62.33%-71.63%), while masks added limited benefit. Five-category BI-RADS accuracies were higher for radiologists on DM (56.74-67.44%) and CEM (62.33-82.79%) compared with MLLMs (DM 31.16-45.12%; CEM 40.00-55.81%). Binary biopsy-candidacy accuracies were likewise higher for radiologists (DM 85.12-89.77%; CEM 86.98-92.09%) than for MLLMs (DM 61.39-75.35%; CEM 69.30-82.79%), although CEM improved performance across all readers. Lesion masks substantially improved MLLM continuous malignancy-probability accuracies from 64.65%-71.63% to 72.56-78.60% on DM and from 67.91%-77.21% to 72.56%-81.86% on CEM, approaching radiologist ranges (DM 63.72-82.79%; CEM 81.86-88.84%). The corresponding AUCs for the top masked models overlapped those of the human readers. Overall, Muse Spark, followed by Sonnet-4.6, demonstrated the strongest performance among the MLLMs across domains. Conclusion: Radiologists generally outperformed MLLMs in categorical tasks, while selected masked models approached human performance for continuous malignancy probability estimation, suggesting a potential adjunctive role.
• Abstract（参考訳）: 目的: 乳房密度評価, BI-RADS評価, 生検候補判定, およびデジタルマンモグラフィー (DM) とコントラスト強調マンモグラフィー (CEM) を用いた連続悪性度推定において, 4つのマルチモーダル大言語モデル (MLLM) と様々な専門知識を持つ放射線技師を比較した。 方法: DM/CEM検査と基準基準を併用した女性179名を対象にした。 4機のMLLM(ChatGPT-5.2、Gemini-3.1 Pro、Sonnet-4.6、Muse Spark)はマスクなしで画像を解釈した。 結果: DMの2値密度分類では, 放射線学の精度は55.81%から78.60%であり, MLLMの値(62.33%-71.63%)を上回った。 DM(56.74-67.44%)とCEM(62.33-82.79%)はMLLMs(DM 31.16-45.12%、CEM 40.00-55.81%)に比べて5カテゴリのBI-RADSアキュラシーが高かった。 放射線学者(DM 85.12-89.77%、CEM 86.98-92.09%)はMLLM(DM 61.39-75.35%、CEM 69.30-82.79%)よりも高い値を示した。 病変マスクはMLLMの連続悪性化確率を64.65%-71.63%から72.56-78.60%に改善し、CEMでは67.91%-77.21%から72.56%-81.86%に改善した(DM 63.72-82.79%; CEM 81.86-88.84%)。 トップのマスク付きモデルに対応するAUCは、人間の読者のものと重なる。 全体として、Muse SparkはSonnet-4.6に続き、MLLMの中でドメイン間で最大のパフォーマンスを示した。 結論: 放射線科医は分類的タスクにおいてMLLMよりも優れ, 選択されたマスキングモデルでは連続的な悪性度確率推定のためにヒトのパフォーマンスにアプローチし, 潜在的な補助的役割を示唆した。

関連論文リスト

• Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
  ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。 セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
  論文  参考訳（メタデータ） (2026-08-12T21:02:59Z)
• 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)
• Scaling Artificial Intelligence for Multi-Tumor Early Detection with More Reports, Fewer Masks [59.37427210144734]
  医療報告における記述に一致する腫瘍をセグメント化するためにAIを訓練するR-Superを紹介する。 101,654のレポートでトレーニングされたAIモデルは、723のマスクでトレーニングされたモデルに匹敵するパフォーマンスを達成した。 R-Superは脾・胆嚢・前立腺・膀胱・子宮・食道の腫瘍の分画を可能にした。
  論文  参考訳（メタデータ） (2025-10-16T15:35:44Z)
• ChestX-Reasoner: Advancing Radiology Foundation Models with Reasoning through Step-by-Step Verification [57.22053411719822]
  ChestX-Reasoner(チェストX-Reasoner)は、臨床報告から直接採掘されるプロセスの監督を活用するために設計された放射線診断MLLMである。 我々の2段階のトレーニングフレームワークは、モデル推論と臨床標準との整合性を高めるために、プロセス報酬によって指導された教師付き微調整と強化学習を組み合わせる。
  論文  参考訳（メタデータ） (2025-04-29T16:48:23Z)
• Multimodal MRI-Ultrasound AI for Prostate Cancer Detection Outperforms Radiologist MRI Interpretation: A Multi-Center Study [2.493694664727448]
  前立腺病変に対するMRI(pre-biopsy magnetic resonance imaging)の使用が増えている。 MRIで検出された病変は生検中に経直腸超音波(TRUS)画像にマッピングされなければならず、臨床上有意な前立腺癌(CsPCa)を発症する。 本研究では、MRIとTRUS画像シーケンスを統合したマルチモーダルAIフレームワークを体系的に評価し、CsPCa識別を向上する。
  論文  参考訳（メタデータ） (2025-01-31T20:04:20Z)
• Histologic Dataset of Normal and Atypical Mitotic Figures on Human Breast Cancer (AMi-Br) [0.2786153781225932]
  病理組織学的には, 有糸分裂像の密度 (MFs) は, 多くの腫瘍タイプにおいて重要な予後マーカーである。 近年,非定型的形態を有するMFsの量は乳癌の予後基準として独立している可能性が報告されている。 非定型および正常なMF(AMi-Br)の最初の公開データセットを提示する。
  論文  参考訳（メタデータ） (2025-01-08T12:41:42Z)
• Toward Non-Invasive Diagnosis of Bankart Lesions with Deep Learning [0.0]
  バンカート病変(Banart lesions)は、標準的なMRIでは診断的に困難である。 本研究は,標準MRIとMRAの両方において,Banart病変を検出するためのディープラーニング(DL)モデルを開発する。
  論文  参考訳（メタデータ） (2024-12-09T18:04:27Z)
• A Large Model for Non-invasive and Personalized Management of Breast Cancer from Multiparametric MRI [19.252851972152957]
  我々は,多パラメータMRI情報を統一構造内に組み込んだMOME(Mixix-of-modality-experts Model)を開発した。 MOMEは乳がんの診断における4人の放射線科医の成績と一致し、中等放射線科医より優れている。
  論文  参考訳（メタデータ） (2024-08-08T05:04:13Z)
• The Segment Anything foundation model achieves favorable brain tumor autosegmentation accuracy on MRI to support radiotherapy treatment planning [1.4268390778580502]
  Segment Anything Foundation Modelは、MRIスライス上のグリオーマ脳腫瘍のセグメンテーションに対して高いゼロショット精度を達成することができる。 その結果,臨床応用に適切に組み込むと,Segment Anything は RT 治療計画の加速と促進が可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-04-16T19:46:46Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• Comparison of Machine Learning Classifiers to Predict Patient Survival and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
  放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。 GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。 xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
  論文  参考訳（メタデータ） (2021-02-10T15:10:37Z)
• Accurate Prostate Cancer Detection and Segmentation on Biparametric MRI using Non-local Mask R-CNN with Histopathological Ground Truth [0.0]
  我々は,bp-MRIにおける前立腺内病変の検出とセグメンテーションを改善するため,ディープラーニングモデルを開発した。 前立腺切除術による脱線をMRIでトレーニングした。 前立腺切除術をベースとした非局所的なMask R-CNNは、微調整と自己訓練により、すべての評価基準を大幅に改善した。
  論文  参考訳（メタデータ） (2020-10-28T21:07:09Z)

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。