[論文レビュー] AI-Generated Content Enhanced Computer-Aided Diagnosis Model for Thyroid Nodules: A ChatGPT-Style Assistant

Jincao Yao, Yunpeng Wang+14 more|arXiv (Cornell University)|Feb 4, 2024

Artificial Intelligence in Healthcare and Education被引用数 12

ひとこと要約

ThyGPT は、ChatGPT に触発され AI 生成コンテンツを強化した CAD モデルで、放射線科医の甲状腺結節リスク評価を支援し、特に若手臨床医の診断性能を向上させる。

ABSTRACT

An artificial intelligence-generated content-enhanced computer-aided diagnosis (AIGC-CAD) model, designated as ThyGPT, has been developed. This model, inspired by the architecture of ChatGPT, could assist radiologists in assessing the risk of thyroid nodules through semantic-level human-machine interaction. A dataset comprising 19,165 thyroid nodule ultrasound cases from Zhejiang Cancer Hospital was assembled to facilitate the training and validation of the model. After training, ThyGPT could automatically evaluate thyroid nodule and engage in effective communication with physicians through human-computer interaction. The performance of ThyGPT was rigorously quantified using established metrics such as the receiver operating characteristic (ROC) curve, area under the curve (AUC), sensitivity, and specificity. The empirical findings revealed that radiologists, when supplemented with ThyGPT, markedly surpassed the diagnostic acumen of their peers utilizing traditional methods as well as the performance of the model in isolation. These findings suggest that AIGC-CAD systems, exemplified by ThyGPT, hold the promise to fundamentally transform the diagnostic workflows of radiologists in forthcoming years.

研究の動機と目的

• 説明可能なAI生成コンテンツを追加することで、臨床医とCADモデル間の対話と理解のギャップを橋渡しする。
• 複数ソースの甲状腺データで訓練された大規模言語モデル（ThyGPT）を構築し、結節リスクを評価する。
• 意味レベルのコミュニケーションと特徴寄与のマーキングを有効にして臨床意思決定を支援する。

提案手法

• 基盤アーキテクチャをLLaMA2-13Bに基づき、甲状腺専用の指示とレポートで微調整する。
• 特徴抽出とヒートマップ生成のためにSwin-TransformerとDCNNを用いた画像分析モジュールを統合する。
• 対話型説明のためLang-Chainベースのフレームワークで画像分析と結節認識を統合する。
• 大規模 Zhejiang Cancer Hospital データセット（19,165 patients, 12,073 reports）で訓練し、ROC、AUC、感度、特異度で評価する。
• 回転 ±10°、ランダムクロップ、80–120% のスケーリングによるデータ拡張を用いて、超音波機器間の頑健性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 ChatGPT風のLLMは甲状腺結節リスク評価に対して透明な根拠と特徴寄与を提供できるか？
• RQ2 AIGC-CADを放射線科医と統合することは、放射線科医だけまたはスタンドアロンCADと比べて診断精度を向上させるか？
• RQ3 独立した検証セットで、ThyGPTが若手・熟練の放射線科医の診断性能にどう影響するか？
• RQ4 説明可能な出力（ヒートマップと文章根拠）が臨床医の信頼と意思決定に果たす役割は何か？

主な発見

• ThyGPTはTest Set 1でAUC 0.909を達成した。
• 若手医師の感度はThyGPTの支援で27.1–28.5%、特異度は19.4–21.3%向上した。
• 熟練医師の感度は11.1–14.3%、特異度は9.2–10.6%向上した。
• ThyGPT単独では独立した検証セットで感度84.7–86.2%、特異度87.0–88.3%を示した。
• 放射線科医と ThyGPT の組み合わせは、時にスタンドアロンAIモデルを上回り、いくつかの指標で熟練医師に匹敵するかそれを上回った。
• ThyGPT は観察者間の変動を低減し、透明で根拠に基づく診断支援を提供した。