子牛の化膿性手根関節炎疑いにおける専門医のX線スコアリングに対するマルチモーダル大規模言語モデルおよび初心者読影者の一致度

3行まとめ

• 子牛の化膿性手根関節炎疑いに対するマルチモーダルLLMと初心者読影者のX線スコアリングの一致度を検証した。
• ChatGPT-5は中等度の一致を示したが、最も成績の良い初心者読影者の方が評価モデルより信頼性が高かった。
• 一部のLLMは構造化された読影や教育の限定的な補助になり得るが、人間の読影の代替にはならない可能性がある。

この論文の要約

目的

化膿性関節炎は子牛の重要な疾患であり、経験の浅い読影者が構造化されたスコアリングシステムを用いる際、X線読影にばらつきが生じることがある。本研究では、汎用マルチモーダル大規模言語モデル（LLM）が子牛の化膿性手根関節炎疑いに対するルーブリックに基づくX線スコアリングを支援できるかを評価することを目的とした。

対象と方法

化膿性手根関節炎疑いに一致する臨床所見を示した0〜3か月齢の子牛50頭を対象とした単一施設回顧的研究である。各症例の手根部X線画像1枚を、初心者獣医師2名とマルチモーダルLLM 3種（ChatGPT-5、Gemini-2.5 Pro、Claude Sonnet-4）が順序尺度のX線スコアリング枠組みを用いて個別に評価した。専門医のコンセンサスを基準とし、完全一致率、±1スコア以内の一致率、二次重み付けカッパ（κw）で評価した。

主な結果

初心者1が最も高い一致を示し、平均完全一致率55.6%、平均±1一致率89.8%、実質的な一致（平均κw=0.68）であった。LLMの中ではChatGPT-5が最も優れており中等度の一致を示した（平均完全一致率53.0%、平均±1一致率82.6%、平均κw=0.58）。Claude Sonnet-4およびGemini-2.5 Proの一致は全体としてわずかであった。最も成績の良い初心者読影者は評価したモデルよりも信頼性が高かったが、ChatGPT-5は特定のパラメータで初心者評価者1名と同等またはそれを上回る性能を示した。

臨床的意義

特定のLLMは構造化されたレビューやトレーニングにおいて限定的な補助的価値を持つ可能性があるが、人間の読影の代替とはならないと考えられた。

⚠️ この要約はAIが自動生成したものです。