PromptMRG: Diagnosis-Driven Prompts for Medical Report Generation

PromptMRG: Diagnosis-Driven Prompts for Medical Report Generation

1. 本研究の学術的背景、研究課題の核心をなす学術的「問い」

   • 学術的背景：自動的な医療報告書の生成（MRG）は、放射線医から報告書作成の重荷を軽減する可能性があるという点で大きな研究価値がある。しかし、病気の分布の不均衡や疾患の特定といった問題があるため、精度の高いMRGは難しいという課題がある。

   • 学術的「問い」：医療報告書の生成（MRG）の診断精度は、診断に意識的なプロンプトのガイダンスによって向上するか？

2. 本研究の目的及び学術的独自性と創造性

   • 目的：診断に基づいたプロンプトを用いた医療報告書生成（PromptMRG）という新しいフレームワークを提案し、MRGの診断精度を改善すること。

   • 独自性と創造性：診断結果をトークンプロンプトに変換して報告書の生成プロセスを明示的にガイドするという新しい手法を開発した。

3. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけ

   • 着想：診断の精度を上げ、疾患の分布の問題を解決するための新しい手法の開発。

   • 位置づけ：医療報告書の自動生成（MRG）における新たな手法の提案とその効果の実証。

4. 本研究で何をどのように、どこまで明らかにした？

   • プロンプトを用いた医療報告書生成（PromptMRG）のフレームワークを提案し、その効果を実証。具体的には、報告書を生成するときに、分類部門からの診断結果をトークンプロンプトに変換し、生成プロセスを明示的にガイドするという方法を開発。これにより、診断の精度が向上し、さらに疾患の個々の学習状況に基づいて適応的なロジット調整損失をクラス分類部門に適用することで、疾患の分布の問題も解決。

5. 本研究の有効性をどのように検証した？

   • 2つのMRGベンチマークに対する実験により、提案した手法の効果を示した。これらのデータセットの両方で最先端の臨床的な有効性のパフォーマンスを達成した。