AI 自動翻訳
arXiv:2610.33038v1 公告タイプ：新規
要旨：大規模言語モデル（LLM）によって生成された胸部CTレポートには、画像上の局所的な証拠が確認できないにもかかわらず陽性所見を記載するケースが存在します。本研究では、レポート生成後にこれらの所見を検証するためのEviGround-CTを提案します。決定論的抽出器が陽性所見文を特定し、3次元グラウンディングモデルが各文に対応するエビデンスマスクを予測します。全文を用いることで、解剖学的位置や側性、修飾語といった情報もグラウンディングクエリに保持されます。我々はCT-RATEにおけるレポート生成と、別途保留した100症例からなるReXGroundingCTサブセットにおけるグラウンディングおよび検証を評価しました。利用可能なアノテーションを用いた結果、文単位でグラウンディングを行うことで、カテゴリ条件付き手法に比べてエビデンスに基づく精度（ESP）が137件の抽出済みインスコープ陽性に対して0.263から0.365へ向上しました。一方、対応する非支援陽性所見率は0.737から0.635へ低下しました。ペアドケースレベルでのブートストラップによるESP差は+0.102であり、95%信頼区間は[0.028, 0.181]です。予測されたマスクは、個々のレポート文と空間的エビデンスを関連付けており、CT画像と併せて閲覧することが可能です。