大規模言語モデルの放射線画像解釈における性能：人間の読者との比較研究 学術的背景 近年、大規模言語モデル（Large Language Models, LLMs）は、特に自然言語処理の分野で強力な能力を発揮しています。マルチモーダルLLMsの発展により、これらのモデルはテキストだけでなく、音声、視覚、ビデオなど多様な入力形式を処理できるようになりました。代表的なマルチモーダルLLMsには、OpenAIのGPT-4 Turbo with Vision（GPT-4V）、Google DeepMindのGemini 1.5 Pro、そしてAnthropicのClaude 3があります。これらのモデルは、放射線学分野での応用も増えており、特に放射線レポートの生成や構造化において優れた性能を示していま...

GPT-4の胸部X線評価における有用性：隠された宝の山 学術的背景 近年、人工知能（AI）は医療分野、特に放射線学において急速に普及しています。AIツールの導入は臨床実践を変革しつつあり、特に画像診断においてその影響が顕著です。しかし、AIツールの広範な採用には、資金不足、情報技術（IT）統合の非効率性、検証不足などの課題があります。さらに、医療専門家、特に放射線科医は統計学の知識が不足していることが多く、これがAIツールの深い理解と応用を妨げています。放射線学研究がデータ駆動型の技術に依存するようになるにつれ、放射線科医は統計的手法とその限界を批判的に評価する能力を備える必要があります。 大規模言語モデル（LLMs）、例えばOpenAIのGPT-4は、自然言語を理解し、推論し、複雑な情報を...

大規模視覚言語モデル（GPT-4V）の放射線学における多モード・多解剖領域能力の定量的評価 学術的背景 近年、OpenAIのChatGPTのような大規模言語モデル（Large Language Models, LLMs）は、テキスト生成の分野で大きな進歩を遂げています。これらのモデルはTransformerアーキテクチャに基づいており、膨大なテキストデータを学習することで、少ない例（few-shot learningやzero-shot learning）でも信頼性の高いテキストを生成することができます。LLMsは医学分野でも広く応用されており、自由形式の放射線レポートを標準化されたテンプレートに変換したり、肺癌のCTレポートからデータをマイニングしたりするのに使用されています。さらに、LL...

タイトルページ: 深層学習放射線組織学モデルと臨床放射線学的特徴を併せた膵管腺癌患者の潜在的腹膜転移の予測モデルの開発と検証 背景 膵管腺癌(Pancreatic Ductal Adenocarcinoma, PDAC)は極めて致死率の高い悪性腫瘍で、5年生存率は約11%です。予後不良の一部の理由は、80-85%の患者が症状が現れた時点で、すでに進行期の病気、切除不能、または転移(潜在的腹膜転移(Occult Peritoneal Metastases, OPM)を含む)が発生していることにあります。腹膜はPDACの第2の一般的な転移経路であり、約10-20%の患者が初診時に腹膜転移を示します。この部分の患者については、早期に腹膜転移を特定することは、不必要な手術を避けるための治療選択に大き...

脳転移患者の術後ステレオタクティック放射線療法局所制御予測における放射線機能解析の応用 学術背景 脳転移（Brain Metastases, BMs）は最も一般的な悪性脳腫瘍で、その発症率は原発性脳腫瘍（例えば膠芽腫）を大きく上回ります。最近の医療ガイドラインは、症状が顕著または大きな脳転移患者に対して手術治療を推奨しています。局所制御率を向上させるために、一または二つの切除されたBMs患者に対して切除腔のステレオタクティック放射線療法（Stereotactic Radiotherapy, SRT）を推奨しており、この方法により術後12ヶ月内に70%から90%の局所制御率が達成できます。しかし、補助SRT後でも局所失敗（Local Failure, LF）のリスクは依然として存在し、これが高...