简化放射学报告：采用语音转文本和生成式人工智能的免提方法。

IF 4 3区医学 Q1 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING

Journal of the American College of Radiology Pub Date : 2025-02-01 DOI:10.1016/j.jacr.2024.10.004

Austin Young BS , Katherine E. Wang BA , Michael X. Jin MD , Kian Avilla BS , Kevin Gilotra BS , Pamela Nguyen MD , Pablo R. Ros MD

引用次数: 0

摘要

目的：在放射科，报告生成对患者管理至关重要，但可能耗时耗力。本研究旨在调查免提放射学报告系统的可行性，利用语音到文本技术和生成式人工智能提高时间效率、报告标准化并减少放射科医生的工作量。方法：使用传统方法和生成式人工智能自动流程生成 100 份胸部和肌肉骨骼放射学照片报告。使用生成式人工智能时，放射科医生将其检查结果口述到语音转文本软件（Dragon）中，生成原始文本誊本。然后使用 GPT-4 根据本机构的模板编写报告。我们记录了每份传统报告和语音转文本报告的完成时间。然后对所有报告的全面性、清晰度、事实准确性和简洁性进行评估，评估采用李克特 5 分制：结果：人工智能驱动的系统在转录和生成放射学报告方面表现出相当高的熟练度，尽管偶尔也会出现不准确的情况。虽然该系统在标准场景中达到了很高的精确度，但在更复杂的病例中表现却不尽相同。值得注意的是，该系统将生成报告所需的时间大幅缩短了 38%（p < 0.0001），这意味着整个放射科工作流程的效率有可能得到提高：本研究强调了将语音到文本和生成式人工智能整合到放射学报告中的潜力。即使在标准场景中，时间效率的提高也能让放射科医生更专注于复杂病例和患者护理。不过，还需要进一步开发和完善，以解决全面性和偶尔出现的不准确性问题。人工智能和语音识别技术的不断进步表明，未来在医疗报告中的应用前景乐观。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

A Hands-Free Approach With Voice to Text and Generative Artificial Intelligence: Streamlining Radiology Reporting

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Journal of the American College of Radiology RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING-

CiteScore

6.30

自引率

8.90%

发文量

312

审稿时长

34 days

期刊介绍： The official journal of the American College of Radiology, JACR informs its readers of timely, pertinent, and important topics affecting the practice of diagnostic radiologists, interventional radiologists, medical physicists, and radiation oncologists. In so doing, JACR improves their practices and helps optimize their role in the health care system. By providing a forum for informative, well-written articles on health policy, clinical practice, practice management, data science, and education, JACR engages readers in a dialogue that ultimately benefits patient care.