論文の概要: Dual- versus Single-Suggestion AI Support for Radiographic Interpretation in Residents: Randomized Multireader Study
- arxiv url: http://arxiv.org/abs/2610.09589v1
- Date: Wed, 07 Oct 2026 07:33:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.776451
- Title: Dual- versus Single-Suggestion AI Support for Radiographic Interpretation in Residents: Randomized Multireader Study
- Title（参考訳）: 住民のX線学的解釈のためのデュアル対シングルサジェクションAIサポート:ランダム化マルチリーダー研究
- Abstract要約: GPT-5.4は正しくなかったが, 放射線治療の精度は2倍に向上した。
GPT-5.4が正しくなかった場合、非放射線患者ではAI支援精度が2倍に向上した。
- 参考スコア（独自算出の注目度）: 15.029585844337666
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Purpose: To compare dual- and single-suggestion AI support for radiographic interpretation by residents, particularly when the shared AI suggestion was incorrect. Materials and Methods: This prospective, multicenter, randomized three-arm reader study was conducted at three hospitals in China from July to September 2026 (ChiCTR2600129243). After specialty stratification, 132 residents with fewer than 3 years of clinical experience were randomized 1:1:1 to GPT-5.4 alone (group A), GPT-5.4 plus Kimi-K2.6 (group B), or GPT-5.4 plus Gemini-3.6 Flash (group C); 123 were analyzed. Participants interpreted 60 radiographs before and after AI support. The primary outcome was accuracy change. Welch ANOVA and Holm-adjusted t tests compared support conditions; HC3 linear models assessed specialty interaction. Results: Among 123 residents (mean age, 24.1 years +/- 1.4; 65 women), radiology residents showed greater accuracy improvement with dual- than single-suggestion support (B-A, 6.69 percentage points [95% CI, 0.97-12.40]; C-A, 7.87 percentage points [95% CI, 1.64-14.11]; Holm-adjusted P = .030 for both), whereas accuracy change did not differ in non-radiology residents (P = .20). When GPT-5.4 was incorrect, AI-assisted accuracy was higher with dual- than single-suggestion support in radiology residents (40.1% and 40.4% vs 20.0%) and non-radiology residents (31.3% and 31.0% vs 12.1%) (all Holm-adjusted P < .001). The dual-suggestion effect differed by specialty (interaction difference, 10.44 percentage points; 95% CI, 4.36-16.52; P < .001). Conclusion: Dual-suggestion support may mitigate the influence of erroneous AI suggestions, with greater accuracy improvement observed in radiology but not non-radiology residents.
- Abstract（参考訳）: 目的: 共用AI提案が間違っていた場合, 住民によるX線学的解釈において, 二重対一のAIサポートの比較を行う。
対象と方法:2026年7月から9月にかけて,中国の3つの病院で,この先進的,多中心的,ランダム化された3本腕読取実験を行った(ChiCTR2600129243)。
1:1からGPT-5.4単独(群A),GPT-5.4とKim-K2.6(群B),GPT-5.4とGemini-3.6 Flash(群C),123をランダム化した。
参加者はAI支援の前後に60の電信を解釈した。
一番の成果は精度の変化だった。
Welch ANOVA and Holm-adjusted t test compared support conditions; HC3 linear modeled specialty interaction。
結果: 人口123人(平均年齢24.1歳+/-1.4女性65人)のうち, 放射線学住民は, シングルサジェスト支援(B-A, 6.69パーセンテージポイント [95% CI, 0.97-12.40], C-A, 7.87パーセンテージポイント [95% CI, 1.64-14.11], ホルム調整P = .030)よりも高い精度向上を示した。
GPT-5.4が正しくない場合、放射線学の住民(40.1%と40.4%対20.0%)と非放射線学の住人(31.3%と31.0%対12.1%)ではAI支援の精度が2倍に向上した(全ホルム調整P < .001)。
二重誘引効果は特殊性によって異なる(相互作用差、10.44ポイント、95%CI、4.36-16.52; P < .001)。
結論: デュアルサジェスション支援は, 放射線学においてより精度の高い改善が見られたが, 非放射線学の住民には見られず, 誤ったAI提案の影響を緩和する可能性がある。
関連論文リスト
- RareLens: Towards End-to-End Rare Disease Care via Aligning Divergent Large Language Model Reasoning [42.80742579670377]
RareLensは、まれな疾患の軌跡全体にわたる臨床的意思決定を支援するシステムである。
RareBenchは、33のOrphanetカテゴリと7000以上の条件にまたがる157,525件の実際のデータセットである。
検診で0.917、診断と治療で65.5%、89.8%の成績を収めた。
論文 参考訳（メタデータ） (2026-07-25T16:58:10Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Deliberative multi-agent large language models improve clinical reasoning in ophthalmology [6.0314253430783]
大型言語モデル(LLMs)は眼科臨床推論の可能性を示すが、個々のモデルでは害をもたらすリスクがある。
マルチエージェント LLM 審議会が診断性能を改善し,害を軽減するかを検討した。
評議会は3つの階層のそれぞれにまたがって、プールされた個々のモデルを一貫して上回った。
論文 参考訳（メタデータ） (2026-03-22T23:36:48Z) - From Days to Minutes: An Autonomous AI Agent Achieves Reliable Clinical Triage in Remote Patient Monitoring [2.0918370570198763]
遠隔患者モニタリング(RPM)は膨大なデータを生成するが、データ量が臨床スタッフを圧倒したため、目覚ましい臨床試験(Tele-HF, BEAT-HF)は失敗した。
RPMバイタルのコンテキストトリアージにモデルコンテキストプロトコル(MCP)を用いた自律型AIエージェントSentinelを開発した。
論文 参考訳（メタデータ） (2026-03-10T00:50:54Z) - 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) - Early and Prediagnostic Detection of Pancreatic Cancer from Computed Tomography [46.596419554048225]
膵管腺癌 (PDAC) は遅発性, 手術不能な症例が多い。
ePAI(早期膵癌検出と人工知能)という自動システムを開発した。
ePAIは159例中75例においてPDACの検出と局所化に成功し, 平均リード時間は347日であった。
論文 参考訳（メタデータ） (2026-01-29T18:55:23Z) - Evaluating Generative AI as an Educational Tool for Radiology Resident Report Drafting [1.5457333450799497]
本研究は,HIPAA 準拠の GPT-4o システムを用いて,実地臨床環境において住民が作成した乳房画像報告を自動的にフィードバックするシステムについて検討した。
1) キー発見の欠落または追加,(2) 技術的記述子の誤用または欠落,(3) 結果と一致しない最終評価の3つの一般的な誤り型が同定された。
GPT-4oは、90.5%、78.3%、90.4%のエラータイプで、コンセンサスに強く同意している。
論文 参考訳（メタデータ） (2025-09-22T20:51:09Z) - Medical Hallucinations in Foundation Models and Their Impact on Healthcare [71.15392179084428]
基礎モデルの幻覚は自己回帰訓練の目的から生じる。
トップパフォーマンスモデルは、チェーン・オブ・シークレット・プロンプトで強化された場合、97%の精度を達成した。
論文 参考訳（メタデータ） (2025-02-26T02:30:44Z) - Multi-modal AI for comprehensive breast cancer prognostication [18.691704371847855]
我々は、デジタル病理と臨床データを統合する新しい人工知能(AI)ベースのアプローチを開発した。
この検査は15のコホートで計8,161人の乳がん患者のデータを用いて開発・評価された。
以上の結果から,我々のAIテストは既存の予後検査の精度を改善しつつ,幅広い患者に適用可能であることが示唆された。
論文 参考訳（メタデータ） (2024-10-28T17:54:29Z) - Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。
AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文 参考訳（メタデータ） (2024-03-27T16:56:14Z)
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。