Inteligencia Artificial Generativa Automatiza con Éxito la Extracción de Datos de Informes No Estructurados de...

Área de la Ciencia:

• Oncología Urológica; Informática Médica; Inteligencia Artificial en Medicina

Sus antecedentes:

• Los informes de radiología en texto plano en los HCE dificultan el análisis computacional.
• Los modelos de lenguaje grandes (LLM) muestran potencial para el texto no estructurado, pero están infrautilizados en oncología urológica.
• Los informes de RM de próstata contienen datos críticos para la atención del paciente y la investigación.

Objetivo del estudio:

• Desarrollar y evaluar un pipeline utilizando GPT-4.0 para extraer datos de informes de RM de próstata.
• Comparar la precisión de los datos extraídos por GPT-4.0 con un estándar de oro de abstracción manual.
• Evaluar la variabilidad y precisión de GPT-4.0 en un entorno clínico.

Principales métodos:

• Se utilizó una implementación segura a nivel empresarial de GPT-4.0 de OpenAI para procesar informes de RM de próstata.
• Se diseñó un pipeline de datos para extraer automáticamente 15 elementos de datos clave por informe.
• Se evaluó la variabilidad de la respuesta enviando informes idénticos varias veces; la precisión se comparó con la abstracción manual.

Principales resultados:

• GPT-4.0 logró una alta precisión constante (>95%) en 424 informes de RM de próstata.
• Las precisiones individuales de los elementos de datos superaron el 95% para métricas clave como la densidad de PSA y la estadificación TNM.
• La variabilidad de la respuesta osciló entre el 0,14% y el 3,61%, y una mayor precisión se correlacionó con una menor variabilidad.

Conclusiones:

• GPT-4.0 demuestra alta precisión y baja variabilidad para extraer datos de informes de RM de cáncer de próstata.
• El pipeline requiere una programación inicial mínima, lo que lo convierte en una herramienta eficiente.
• Este enfoque puede agilizar la extracción de datos médicos para aplicaciones clínicas y de investigación en oncología urológica.