证据即所需：通过语言模型与 ACR 适当性标准对齐来排序影像学研究
机器学习
2025-08-06 v2 计算与语言
计算机与社会
摘要
诊断性影像学研究是急性就诊患者的病情检查和管理中越来越重要的组成部分。然而，根据循证医学指南订购适当的影像学研究是一项具有挑战性的任务，且不同医疗保健提供者之间存在高度差异。为了解决这个问题，最近的研究探讨了是否可以利用生成式 AI 和大语言模型来帮助临床医生为患者订购相关的影像学研究。然而，确保这些工具与医学指南（如美国放射学会适当性标准，ACR AC）正确对齐是一项挑战。在本研究中，我们引入了一个框架，通过推荐与循证指南对齐的患者影像学研究，来智能地利用语言模型。我们提供了一个新的患者“一句话”场景数据集来支持我们的实验，并优化了最先进的语言模型，使其在影像订购方面的准确率与临床医生相当。最后，我们证明了我们基于语言模型的流水线可以被临床医生用作智能助手，以支持影像订购工作流程并提高根据 ACR AC 订购影像学研究的准确性。我们的工作展示并验证了一种利用基于 AI 的软件来提高符合专家循证指南的可信临床决策的策略。
引用
@article{arxiv.2409.19177,
title = {Evidence Is All You Need: Ordering Imaging Studies via Language Model Alignment with the ACR Appropriateness Criteria},
author = {Michael S. Yao and Allison Chae and Charles E. Kahn and Walter R. Witschey and James C. Gee and Hersh Sagreiya and Osbert Bastani},
journal= {arXiv preprint arXiv:2409.19177},
year = {2025}
}
备注
15 pages main text, 4 figures, 1 table