用于放射学报告的多语言自然语言处理模型——摘要即所需！

放射学报告的印象(impression)部分总结了重要的放射学发现，并在将这些发现传达给医师的过程中起着关键作用。然而，这些摘要的撰写对放射科医师而言既耗时又容易出错。近来，已开发出众多用于放射学报告摘要生成的模型。尽管如此，目前尚无能够用多种语言对这些报告进行摘要的模型。此类模型可极大促进未来研究以及融合不同种族背景患者数据的深度学习模型的开发。在本研究中，通过微调一个公开可用的、基于多语言文本到文本 Transformer 的模型，实现了对不同语言放射学报告中发现的摘要生成，所涵盖语言包括英语、葡萄牙语和德语放射学报告。在盲测中，两位获委员会认证的放射科医师指出，对于至少 70% 的系统生成摘要，其质量达到或超过了相应的人工撰写摘要，表明其具有显著的临床可靠性。此外，本研究表明，该多语言模型优于其他专门对单一语言放射学报告进行摘要的模型，以及并非专为放射学报告摘要设计的模型（如 ChatGPT）。