Систематический обзор подходов на основе больших языковых моделей для извлечения информации из радиологических заключений

Радиологическая визуализация является широко распространённым во всём мире диагностическим методом, однако текстовая информация, содержащаяся в радиологических заключениях, редко используется для вторичных целей. Обработка естественного языка позволяет извлекать из этих заключений структурированные данные. В настоящей статье представлен обзор современного состояния исследований подходов на основе больших языковых моделей (LLM) для извлечения информации (IE) из радиологических заключений. Мы провели обзор по методологии scoping review в соответствии с руководством PRISMA-ScR. Поиск в пяти базах данных был выполнен 1 августа 2023 года. Среди 34 исследований, соответствовавших критериям включения, были описаны только модели, разработанные до появления трансформеров, и модели на основе энкодеров. Внешняя валидация показала общее снижение производительности, хотя LLM могут повысить обобщаемость подходов к извлечению информации. Преобладали заключения по результатам КТ- и МРТ-исследований, а также заключения по исследованиям органов грудной клетки. Наиболее часто упоминавшимися проблемами были отсутствие валидации на внешних данных и расширение описанных методов. Различия в степени детализации представления результатов влияют на сопоставимость и прозрачность подходов.