使用开放权重大语言模型自主构建存档规模的跨模态放射学报告

目的：开发和评估开放权重大语言模型 (LLM) 管道，该管道可将整个自由文本放射学报告档案转换为结构化报告，无需人工监督。材料和方法：在这项回顾性研究中，在一个中心开发了包含 150 个分层组织模板的管道，并在第二个中心根据 2010 年至 2025 年的报告进行了测试。开放权重模型 gpt-oss-120B 在三个约束解码步骤中选择模板，并将其填充到一个本地图形处理单元上。模板选择根据五种模式的 914 份随机抽样报告的专家标签进行评分，并根据 5 名住院医师逐场校正的 920 份放射线照相和 CT 报告构建质量。然后，管道处理第二个中心的完整档案。比例以 Wilson 95% 置信区间 (CI) 报告。结果：74.4% 的报告（914 份中的 680 份；95% CI：71.5%、77.1%）选择了最佳模板集，82.3%（914 份中的 752 份；95% CI：79.7%、84.6%）选择了合适的模板集，单区域报告为 87.7%，多区域报告为 54.1%。输出与校正参考之间的宏观语义文本相似度（X 线摄影为 0.95，CT 为 0.97），居民保留 24,638 个字段中的 88.7% 保持不变，并且在 1.0% 和 1.5% 的报告中标记了不支持的内容。在 2,186,982 份存档报告中，96.5% 收到了结构化输出，即 2,401,544 份结构化报告，在一个图形处理单元上每小时生成 1,258 份报告。结论：开放权重LLM管道构建了完整的多模态报告存档，无需人工监督，内容保真度高。多区域报告仍然是模板错误的主要来源。