Automatic structuring of radiology reports with on-premise open-source large language models

Structured reporting enhances comparability, readability, and content detail. Large language models (LLMs) could convert free text into structured data without disrupting radiologists’ reporting workflow. This study evaluated an on-premise, privacy-preserving LLM for automatically structuring free-t...

Ausführliche Beschreibung

Bibliographische Detailangaben

Hauptverfasser:	Woźnicki, Piotr (VerfasserIn) , Laqua, Caroline (VerfasserIn) , Fiku, Ina (VerfasserIn) , Hekalo, Amar (VerfasserIn) , Truhn, Daniel (VerfasserIn) , Engelhardt, Sandy (VerfasserIn) , Kather, Jakob Nikolas (VerfasserIn) , Försch, Sebastian (VerfasserIn) , D’Antonoli, Tugba Akinci (VerfasserIn) , Pinto dos Santos, Daniel (VerfasserIn) , Baeßler, Bettina (VerfasserIn) , Laqua, Fabian Christopher (VerfasserIn)
Dokumenttyp:	Article (Journal)
Sprache:	Englisch
Veröffentlicht:	2025
In:	European radiology Year: 2025, Jahrgang: 35, Heft: 4, Pages: 2018-2029
ISSN:	1432-1084
DOI:	10.1007/s00330-024-11074-y
Online-Zugang:	Resolving-System, kostenfrei, Volltext: https://doi.org/10.1007/s00330-024-11074-y Verlag, kostenfrei, Volltext: https://link.springer.com/article/10.1007/s00330-024-11074-y
Verfasserangaben:	Piotr Woźnicki, Caroline Laqua, Ina Fiku, Amar Hekalo, Daniel Truhn, Sandy Engelhardt, Jakob Kather, Sebastian Foersch, Tugba Akinci D’Antonoli, Daniel Pinto dos Santos, Bettina Baeßler and Fabian Christopher Laqua