ReXErr：在诊断放射学报告中合成临床有意义的错误
计算与语言
2024-09-18 v1
摘要
准确解读医学图像并撰写放射学报告是医疗保健中一项关键且极具挑战性的任务。无论是人工撰写的还是 AI 生成的报告都可能包含错误，涵盖从临床不准确到语言错误的各类问题。为了解决这一问题，我们引入了 ReXErr，这是一种利用大语言模型在胸部 X 光报告中生成代表性错误的方法。我们与获得委员会认证的放射科医师合作，开发了能够捕捉人类和 AI 生成报告中常见错误的错误类别。我们的方法采用一种新颖的采样方案来注入多样化的错误，同时保持临床合理性。ReXErr 在各错误类别上表现出一致性，并生成的错误密切模拟了真实世界场景中的错误。该方法有望辅助报告校正算法的开发与评估，从而潜在提升放射学报告的质量与可靠性。
引用
@article{arxiv.2409.10829,
title = {ReXErr: Synthesizing Clinically Meaningful Errors in Diagnostic Radiology Reports},
author = {Vishwanatha M. Rao and Serena Zhang and Julian N. Acosta and Subathra Adithan and Pranav Rajpurkar},
journal= {arXiv preprint arXiv:2409.10829},
year = {2024}
}