利用大语言模型为 PET 报告自动生成个性化印象

在本研究中，我们旨在确定微调大语言模型（LLM）是否能生成准确、个性化的全身 PET 报告印象。使用教师强制（teacher-forcing）算法在 PET 报告语料库上训练了十二个语言模型，以报告发现作为输入、临床印象作为参考。一个额外的输入 token 编码阅片医师身份，使模型能够学习医师特定的报告风格。我们的语料库包含 2010 至 2022 年间从本机构收集的 37,370 份回顾性 PET 报告。为确定最佳 LLM，将 30 个评估指标与两位核医学（NM）医师的质量评分进行基准比对，以最对齐的指标选定模型进行专家评估。在一个数据子集中，由三位 NM 医师根据 6 个质量维度（3 分制）和总体效用评分（5 分制）评估模型生成的印象与原始临床印象。每位医师审阅 12 份自己的报告和 12 份其他医师的报告。使用 bootstrap 重采样进行统计分析。在所有评估指标中，领域自适应的 BARTScore 和 PEGASUSScore 与医师偏好显示出最高的 Spearman 秩相关（0.568 和 0.563）。基于这些指标，微调的 PEGASUS 模型被选为最佳 LLM。当医师以自身风格审阅 PEGASUS 生成的印象时，89% 被认为临床可接受，平均效用评分为 4.08（满分 5）。医师将这些个性化印象的总体效用评为与其他医师口述的印象相当（4.03，P=0.41）。总之，PEGASUS 生成的个性化印象具有临床实用性，凸显了其加速 PET 报告的潜力。