arXiv cs.CLが2026年11月19日(現地時間)付けで報じたところによると、ヤンダ・チェン (Yanda Cheng) 氏らは、胸部X線レポートと画像エビデンス間の不整合を検出する新しい手法に関する研究成果を発表した。この研究では、大規模言語モデル (Large Language Model) を利用することで、従来のルールベースのシステムと比較して高い精度で潜在的な誤りを特定できることが示された。
チェン氏らの研究チームは、画像分類器と15億パラメータの言語モデルを組み合わせた「Rad-Linter」というシステムを開発した。この言語モデルはLoRAを用いて1,816の例でファインチューニングされており、画像から得られる9つの病理スコアと、それに対応するレポート記述の整合性をチェックする。
評価はOpenIの制御されたレポート・スコアペアリングを使用し、131のカウンターファクチュアル・クアッドで実施された。Rad-Linterは98.5%のペア精度を達成し、ルールベースのベースラインの80.5%を上回った。また、Rad-Linterは全ての4ペアを94.4%のクアッドで正しく分類し、ベースラインの56.5%を大幅に凌駕した。
この性能差は、特に所見の記述方法を解釈する能力に起因するとされる。ファインチューニングされていない言語モデルは、精度が約50%にとどまることが示された。さらに、自動ラベラー間で意見の相違があるレポートを含む181のクアッドを用いた別の評価セットでも、Rad-Linterは93.4%のペア精度を記録し、ベースラインの75.3%を上回る結果となった。これらの制御された結果は、訓練された言語モデルが、画像由来のスコアが与えられた場合に、レポートとスコアの不整合を、テストされたルールベースのベースラインよりも正確に検出する能力を持つことを示している。
参考: arXiv cs.CL (アーカイブ) — 2026年11月20日 02:46 (JST)
原文ハイライト"a trained language model detects report-score inconsistencies more accurately than the tested rule baseline"