所見生成の高度化

所見の品質基準

構造化所見テンプレート

def generate_structured_findings(image_path, classification, grad_cam_info):
    """構造化された所見を生成"""

    # 確信度に応じた表現
    confidence = classification['confidence']
    if confidence >= 0.9:
        certainty_phrase = "高い確信度で"
    elif confidence >= 0.7:
        certainty_phrase = "中程度の確信度で"
    else:
        certainty_phrase = "低い確信度で（専門家の確認を推奨）"

    prompt = f"""
    以下の画像分析結果に基づき、構造化された所見を生成してください。

    ## 分析情報
    - 分類: {classification['class']}
    - 確信度: {confidence}（{certainty_phrase}判定）
    - Grad-CAM注目領域: {grad_cam_info.get('attention_region', '全体')}

    ## 出力フォーマット（厳密に従ってください）

    ### 1. 全体観察
    [画像全体の状態を1-2文で記述]

    ### 2. 異常所見
    - 部位: [異常が見られる部位]
    - 特徴: [色、形、大きさ等の客観的特徴]
    - 範囲: [限局性/びまん性]

    ### 3. 鑑別診断
    | 順位 | 診断名 | 可能性 | 根拠 |
    |------|--------|--------|------|
    | 1 | [最有力] | {certainty_phrase} | [根拠] |
    | 2 | [次候補] | [可能性] | [根拠] |

    ### 4. 推奨アクション
    [次のステップとして推奨される検査や対応]

    ### 5. 注意事項
    [AI分析の限界、確認すべき点]
    ※ この所見はAIによる支援情報です。最終判断は専門家が行ってください。
    """

    return call_vlm(image_path, prompt)

Grad-CAMとの整合性チェック

class FindingConsistencyChecker:
    """所見とGrad-CAMの整合性を検証"""

    def check_consistency(self, findings, grad_cam_regions, classification):
        """所見がGrad-CAMの注目領域と整合しているか検証"""
        issues = []

        # 1. 注目領域が所見に言及されているか
        for region in grad_cam_regions:
            region_name = region['name']
            if region_name not in findings:
                issues.append({
                    'type': 'missing_region',
                    'detail': f"Grad-CAMが注目する'{region_name}'が所見に記載されていない",
                })

        # 2. 分類結果と所見の整合性
        if classification['class'] not in findings:
            issues.append({
                'type': 'class_mismatch',
                'detail': "分類結果が所見に反映されていない",
            })

        return {
            'consistent': len(issues) == 0,
            'issues': issues,
        }

まとめ

チェックリスト

• 構造化所見テンプレートを設計できる
• 確信度に応じた表現の使い分けを実装できる
• Grad-CAMとの整合性チェックを理解した
• AI所見の限界と免責事項の必要性を説明できる

次のステップへ

所見生成を高度化した。次はリスク判定の実装を学ぼう。

推定読了時間: 30分