本研究は，大規模言語モデル（LLM）による膀胱癌のVI-RADS評価において，レポートテキストへの代表画像追加の効果を検討し，放射線診断専門医と比較した後ろ向き研究である。膀胱MRI 200例をスクリーニングし，全例の原資料監査，適格基準およびcomplete-case解析を経て191例（MIBC 52例，非MIBC 139例）を主解析対象とした。GPT-4oを用い，レポート単独条件と，同一レポートに代表画像を追加した条件でVI-RADSスコアを出力させ，病理学的reference standardに基づくMIBC鑑別能を評価した。AUCは，放射線診断専門医0.849（95%CI 0.786-0.913），レポート＋画像条件0.774（0.701-0.847），レポート単独条件0.652（0.563-0.741）であった。画像追加によりAUCは有意に向上した（p＝0.0090）が，レポート＋画像条件は専門医より有意に低かった（p＝0.0078）。VI-RADS≥3では，レポート＋画像条件の感度は63.5%，特異度は78.4%であった。以上より，代表画像の追加はLLMのVI-RADS評価能を改善するが，専門医水準には達しなかった。
