現在開発されている放射線レポート生成AIモデルは，診断所見の視覚的な根拠（画像のどこを見てそう判断したか）を明示できないことが多く，AI特有の「ハルシネーション（画像にない所見のでっち上げ）」を防ぐうえで課題があった。こうした課題を背景に，スペインの研究チームは，胸部X線画像における所見の位置情報と文章を組み合わせて学習できるAI，グラウンデッド放射線レポート生成モデル（Grounded Radiology Report Generation; GRRG）の開発に必要なデータセット「PadChest-GR」を作成し，NEJM AIに公表した。
本論文によると，既存のPadChestデータセットから4,555例の胸部X線画像を選択した後，GPT-4を用いて所見を抽出し，所見ラベル・位置ラベルと紐づけた。さらに，14名の放射線専門医が陽性所見にバウンディングボックスを付与し，各所見の位置・種類・進行度を体系化した。最終的に，陽性所見7,037文と陰性所見3,422文を含むデータセットが完成し，従来のラベルのみのデータに比べ，画像と文章，位置情報を統合した精緻な対応関係が実現した。
研究者らは「PadChest-GRは，胸部X線画像，文章所見，位置情報を統合しており，AIによるグラウンデッド放射線レポート生成の開発と評価において，信頼性と説明可能性が担保される」と述べている。将来的には，複数の医療機関からのデータ収集やDICOM形式画像の利用，側面像や他モダリティの追加による包括的評価が期待される。

【参照論文】
PadChest-GR : A Bilingual Chest X-Ray Dataset for Grounded Radiology Report Generation