CLEAR：面向放射科学报告评估的临床导向制表框架
计算与语言
2025-09-22 v2 人工智能
计算机与社会
摘要
现有指标往往缺乏细粒度和可解释性，无法捕捉候选报告与真实报告之间细微的临床差异，导致评估次优。我们提出一种临床导向的制表框架，包含专家精选标签和属性级比较，用于放射科学报告评估(CLEAR)。CLEAR不仅检查报告是否能准确识别医疗状况的存在或缺失，还评估其是否能精确描述每个被确认的状况，包括五个关键属性：首次发生、变化、严重程度、描述性位置和建议。与先前工作相比，CLEAR的多维度、属性级输出 enables 更全面且临床可解释的报告质量评估。此外，为衡量CLEAR的临床对齐性，我们与五位执业放射科学家合作，开发CLEAR-Bench，该数据集包含100份来自MIMIC-CXR的胸部X光报告，覆盖6个精选属性和13个CheXpert状况。我们的实验表明，CLEAR在提取临床属性方面 achieves 高准确率，并提供与临床判断强一致的自动化指标。
引用
@article{arxiv.2505.16325,
title = {CLEAR: A Clinically-Grounded Tabular Framework for Radiology Report Evaluation},
author = {Yuyang Jiang and Chacha Chen and Shengyuan Wang and Feng Li and Zecong Tang and Benjamin M. Mervak and Lydia Chelala and Christopher M Straus and Reve Chahine and Samuel G. Armato and Chenhao Tan},
journal= {arXiv preprint arXiv:2505.16325},
year = {2025}
}
备注
Accepted to Findings of EMNLP 2025; 20 pages, 5 figures