풍부한 임상적 맥락을 포함한 자동화된 구조적 영상의학 보고서 생성

Automated Structured Radiology Report Generation with Rich Clinical Context

October 1, 2025

저자: Seongjae Kang, Dong Bok Lee, Juho Jung, Dongseop Kim, Won Hwa Kim, Sunghoon Joo

cs.AI

초록

흉부 X선 이미지에서 자동화된 구조적 방사선 보고서 생성(SRRG)은 명확성, 일관성 및 임상 보고 표준 준수를 보장하는 구조화된 형식의 보고서를 생성함으로써 방사선 전문의의 업무 부담을 크게 줄일 수 있는 잠재력을 제공합니다. 방사선 전문의들은 진단 추론 과정에서 사용 가능한 임상적 맥락을 효과적으로 활용하지만, 기존의 SRRG 시스템은 이러한 필수 요소들을 간과하고 있습니다. 이러한 근본적인 격차는 존재하지 않는 임상적 맥락을 참조할 때 시간적 환각과 같은 심각한 문제를 초래합니다. 이러한 한계를 해결하기 위해, 우리는 SRRG를 위해 풍부한 임상적 맥락을 포괄적으로 통합한 맥락화된 SRRG(C-SRRG)를 제안합니다. 우리는 1) 다중 뷰 X선 이미지, 2) 임상적 적응증, 3) 영상 기법, 4) 환자 이력에 기반한 이전 연구와 해당 비교를 포함한 포괄적인 임상적 맥락을 통합하여 C-SRRG 데이터셋을 구축했습니다. 최첨단 멀티모달 대형 언어 모델을 사용한 광범위한 벤치마킹을 통해, 제안된 C-SRRG와 함께 임상적 맥락을 통합하면 보고서 생성 품질이 크게 향상됨을 입증했습니다. 우리는 임상적으로 정렬된 자동화된 RRG를 위한 향후 연구를 촉진하기 위해 데이터셋, 코드 및 체크포인트를 https://github.com/vuno/contextualized-srrg에서 공개합니다.

English

Automated structured radiology report generation (SRRG) from chest X-ray images offers significant potential to reduce workload of radiologists by generating reports in structured formats that ensure clarity, consistency, and adherence to clinical reporting standards. While radiologists effectively utilize available clinical contexts in their diagnostic reasoning, existing SRRG systems overlook these essential elements. This fundamental gap leads to critical problems including temporal hallucinations when referencing non-existent clinical contexts. To address these limitations, we propose contextualized SRRG (C-SRRG) that comprehensively incorporates rich clinical context for SRRG. We curate C-SRRG dataset by integrating comprehensive clinical context encompassing 1) multi-view X-ray images, 2) clinical indication, 3) imaging techniques, and 4) prior studies with corresponding comparisons based on patient histories. Through extensive benchmarking with state-of-the-art multimodal large language models, we demonstrate that incorporating clinical context with the proposed C-SRRG significantly improves report generation quality. We publicly release dataset, code, and checkpoints to facilitate future research for clinically-aligned automated RRG at https://github.com/vuno/contextualized-srrg.