先进的AI模型可改善自由文本病理报告的数据提取

研究人员开发了两个由AI驱动的工具，用于从自由文本病理报告中自动提取关键信息。该小组由政府资助的橡树岭实验室(ORNL)在田纳西州橡树岭，共享其研究结果在医学信息学会的。

ORNL是能源部最重要的研究实验室之一，其科学家一直在努力寻找使用AI和自然语言处理等先进技术来改善患者预后的新方法。

“人口级癌症监测对于监测旨在预防，检测和治疗癌症的公共卫生措施的有效性至关重要，” ORNL健康数据科学研究所和计算科学中心主任Gina Tourassi对应作者说，在准备好的声明中说。“与癌症研究所合作，我的团队正在开发先进的AI解决方案，以通过自动化耗时的数据捕获工作并提供接近实时的癌症报告来使癌症监测计划现代化。”

对于这项研究，主要作者Mohammed Alawad及其同事训练了多任务卷积神经网络(MTCNN)，以从自由文本病理报告中提取与癌症相关的数据。MTCNN(一个“硬参数共享”模型和一个“十字绣”模型)执行了五个单独的提取任务。他们的性能与单任务CNN和精选的机器学习技术进行了比较。

总体而言，MTCNN的表现优于所有其他AI模型。根据回顾性分析，硬参数模型(59.04%)和十字绣模型(57.93%)正确分类的病理报告百分比高于其他模型，范围为36.75%至53.68%。与其他模型相比，对这两个MTCNN的前瞻性分析也产生了更好的性能(硬参数模型为60.11%，十字绣模型为58.13%)。

那么，这些研究人员的下一步是什么?

图拉西在ORNL的同一份声明中说：“下一步是启动一项大规模的用户研究，该技术将在整个癌症注册管理机构中进行部署，以确定在注册管理机构工作流程中最有效的集成方式。”“目标不是取代人类，而是扩大人类。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！