LLM-gestützte Radiologie-Reports: Von grob zu fein – Arbeitslast senken
Die manuelle Erstellung des „Impression“-Abschnitts in Radiologieberichten ist ein wesentlicher Faktor für die Belastung von Radiologen. Um diesem Problem entgegenzuwirken, wurde ein neues, schrittweises Verfahren entwickelt, das Open‑Source‑Large‑Language‑Models (LLMs) nutzt, um Impressionen automatisch zu generieren und individuell anzupassen.
Das System erstellt zunächst einen groben Entwurf der Impression. Anschließend wird dieser Entwurf mithilfe von maschinellem Lernen und Reinforcement Learning mit menschlichem Feedback (RLHF) verfeinert, sodass er den persönlichen Schreibstil des jeweiligen Radiologen widerspiegelt und gleichzeitig die Faktenkonsistenz gewährleistet.
Die Modelle LLaMA und Mistral wurden auf einem umfangreichen Datensatz von Radiologieberichten der University of Chicago Medicine feinabgestimmt. Dadurch kann das System die spezifischen Ausdrucksweisen der Radiologen exakt nachbilden.
Durch die Automatisierung und Personalisierung der Impressionen soll die administrative Belastung deutlich reduziert, die Berichtserstellung beschleunigt und gleichzeitig die hohe klinische Präzision erhalten werden.