Procesamiento del lenguaje natural para la identificación de recaídas de cáncer de mama local, regional y distante en...

Área de la Ciencia:

• En el campo de la oncología
• La informática médica
• Procesamiento del lenguaje natural

Sus antecedentes:

• Los registros de cáncer enfrentan desafíos en el seguimiento de la recaída del cáncer de mama debido a las limitaciones de la revisión manual de la tabla.
• La automatización de la detección de recaídas es crucial para mejorar la recopilación de datos sobre los resultados del cáncer.

Objetivo del estudio:

• Desarrollar y evaluar modelos de procesamiento del lenguaje natural (PNL) para la identificación automatizada de recaídas de cáncer de mama en informes de patología.
• Superar el carácter intensivo en recursos de la revisión manual de las fichas en los registros de cáncer.

Principales métodos:

• Se recogieron y anotaron manualmente 1.888 informes de patología de 993 pacientes con cáncer de mama (2005-2014).
• Se utilizaron grandes modelos de lenguaje (LLM) afinados para clasificar los informes sobre el cáncer de mama local, regional, distante y cualquier recaída.
• Evaluación del rendimiento del modelo utilizando la precisión, la sensibilidad, la especificidad y el área bajo la curva de características de funcionamiento del receptor (AUC).

Principales resultados:

• Los modelos de PNL demostraron un excelente rendimiento en la identificación de recaídas de cáncer de mama.
• El modelo de recaída local logró una precisión, sensibilidad y especificidad de más del 93%, con un AUC de 0,98.
• El 80,0% de los informes indicaron al menos un tipo de recaída, con un tiempo medio hasta la primera recaída de 7,3 años.

Conclusiones:

• Desarrolló modelos precisos y sensibles de PNL para detectar recaídas de cáncer de mama a partir de informes de patología.
• La PNL ofrece un método más eficiente y preciso para recopilar datos sobre los resultados del cáncer de mama.
• Esta tecnología puede mejorar la capacidad de los registros de cáncer para rastrear los resultados de los pacientes.