AI 자동 번역
arXiv:2610.33038v1 발표 유형: 신규
요약: 대규모 언어 모델(LLM)이 생성한 흉부 컴퓨터단층촬영(CT) 보고서에는 스캔에서 국소적 근거가 없는 양성 소견이 포함될 수 있습니다. 우리는 보고서 생성 후 이러한 소견을 검증하기 위해 EviGround-CT를 제안합니다. 결정론적 추출기가 양성 소견 문장을 식별하고, 3D 기반 그라운딩 모델이 각 문장에 대한 근거 마스크를 예측합니다. 전체 문장을 활용하면 그라운딩 쿼리에서 해부학적 위치, 측면 및 서술적 수식어를 모두 유지할 수 있습니다. 우리는 CT-RATE에서 보고서 생성을 평가하고, 별도로 확보한 ReXGroundingCT 하위 집합의 100건에 대해 그라운딩과 검증을 수행했습니다. 이용 가능한 주석을 바탕으로, 문장 기반 검증을 적용했을 때, 범주 조건부 방식에 비해 137개의 추출된 관련 양성 소견에 대해 근거 기반 정확도(ESP)가 0.263에서 0.365로 상승했습니다. 이에 따라 미지원 양성 소견 비율은 0.737에서 0.635로 감소했습니다. 쌍체 사례 수준 부트스트랩 분석 결과, ESP 차이는 +0.102로 나타났으며, 95% 신뢰구간은 [0.028, 0.181]입니다. 예측된 마스크는 개별 보고서 문장과 공간적 근거를 연결하여 CT 영상과 함께 검토할 수 있도록 합니다.