RaTEScore: Uma Métrica para Geração de Relatórios de Radiologia
RaTEScore: A Metric for Radiology Report Generation
June 24, 2024
Autores: Weike Zhao, Chaoyi Wu, Xiaoman Zhang, Ya Zhang, Yanfeng Wang, Weidi Xie
cs.AI
Resumo
Este artigo apresenta uma métrica inovadora, consciente de entidades, denominada de Avaliação de Relatórios Radiológicos (Texto) (RaTEScore), para avaliar a qualidade de relatórios médicos gerados por modelos de IA. O RaTEScore enfatiza entidades médicas cruciais, como resultados diagnósticos e detalhes anatômicos, e é robusto contra sinônimos médicos complexos e sensível a expressões de negação. Tecnicamente, desenvolvemos um conjunto de dados abrangente de Reconhecimento de Entidades Médicas (NER), RaTE-NER, e treinamos um modelo NER especificamente para este fim. Esse modelo permite a decomposição de relatórios radiológicos complexos em entidades médicas constituintes. A métrica em si é derivada ao comparar a similaridade de incorporações de entidades, obtidas de um modelo de linguagem, com base em seus tipos e relevância para a importância clínica. Nossas avaliações demonstram que o RaTEScore se alinha mais estreitamente com a preferência humana do que as métricas existentes, validadas tanto em benchmarks públicos estabelecidos quanto em nosso novo benchmark proposto, RaTE-Eval.
English
This paper introduces a novel, entity-aware metric, termed as Radiological
Report (Text) Evaluation (RaTEScore), to assess the quality of medical reports
generated by AI models. RaTEScore emphasizes crucial medical entities such as
diagnostic outcomes and anatomical details, and is robust against complex
medical synonyms and sensitive to negation expressions. Technically, we
developed a comprehensive medical NER dataset, RaTE-NER, and trained an NER
model specifically for this purpose. This model enables the decomposition of
complex radiological reports into constituent medical entities. The metric
itself is derived by comparing the similarity of entity embeddings, obtained
from a language model, based on their types and relevance to clinical
significance. Our evaluations demonstrate that RaTEScore aligns more closely
with human preference than existing metrics, validated both on established
public benchmarks and our newly proposed RaTE-Eval benchmark.