公众号 / 文章技术与安全

基于个性化规则的放射学报告语音识别错误校对系统:利用人工智能编码辅助的开发

Personalized Rule-Based Proofreading for Speech Recognition Errors in Radiology Reports: Development Using Artificial Intelligence Coding Assistance.
PubMed 文献 · AJR Am J Roentgenol · 2026-07-29

一名无编程经验的放射科医生利用大语言模型的人工智能辅助编码,构建了基于个性化规则的校对系统,用于纠正反复出现的语音识别报告错误;该系统总结了主观反馈和最常见修正,为纠正现有方案未覆盖的用户特定语音识别错误提供了实用方法。

要点

  • 无编程经验的放射科医生可借助大语言模型编码辅助构建个性化规则校对系统。
  • 该系统针对反复出现且持续存在的语音识别报告错误进行纠正。
  • 现有方案未覆盖的用户特定语音识别错误可通过个性化规则方法处理。

核心结论

  • 无编程经验的放射科医生利用人工智能辅助编码构建的个性化规则校对系统,可为纠正现有方案未覆盖的用户特定语音识别错误提供实用方法。

研究设计与样本

  • 放射科医生利用大语言模型的人工智能辅助编码开发个性化规则校对系统,并总结主观反馈和最常见修正。

局限性

  • 原文未报告局限性。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

英文原文(摘要)· 点击展开

A radiologist without programming expertise used artificial intelligence–assisted coding with large language models to build a personalized rule-based proofreading system for correcting recurrent and persistent speech recognition report errors. Subjective reflections and most common corrections were summarized. The system provided a practical approach for correcting user-specific speech recognition errors unaddressed by existing solutions.

来源:AJR Am J Roentgenol,查看原文。版权归原作者所有。

引用

  1. Araki T. Personalized Rule-Based Proofreading for Speech Recognition Errors in Radiology Reports: Development Using Artificial Intelligence Coding Assistance. AJR Am J Roentgenol. 2026. PMID: 41811142. doi:10.2214/AJR.26.34694

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。