Extracción de datos estructurados de informes de imágenes mamarias no estructurados con modelos basados en...

Área de la Ciencia:

• Procesamiento del Lenguaje Natural
• Informática Médica
• Inteligencia Artificial

Sus antecedentes:

• Los datos clínicos a menudo son texto libre no estructurado, lo que dificulta la investigación y la toma de decisiones.
• Los datos clínicos estructurados son cruciales para la investigación y la toma de decisiones informadas.
• Este estudio aborda el desafío de convertir informes de imágenes mamarias no estructurados en datos estructurados.

Objetivo del estudio:

• Comparar el rendimiento de los modelos de lenguaje generativos y basados en BERT en la estructuración de informes de imágenes mamarias.
• Evaluar modelos para la conversión de texto no estructurado en datos tabulares para uso clínico y de investigación.
• Evaluar la eficacia del procesamiento del lenguaje natural en la extracción de datos médicos.

Principales métodos:

• Se evaluaron cinco modelos basados en transformadores (BlueBERT, BioBERT, BioMedBERT, BioGPT, ClinicalT5) en 286 informes de imágenes mamarias en español traducidos al inglés.
• Se empleó la clasificación para 19 variables categóricas y la respuesta a preguntas extractivas para 4 entidades.
• Se probaron varias estrategias de ajuste fino y configuraciones de entrada, utilizando la precisión y las puntuaciones F1 macro para la evaluación.

Principales resultados:

• BioGPT logró el más alto rendimiento en clasificación (96,10% de precisión, 90,30% de puntuación F1), superando a los modelos basados en BERT.
• BioGPT mostró un sólido rendimiento en la respuesta a preguntas extractivas (93,24% de precisión), comparable a otros modelos de primer nivel.
• BioGPT ofreció de forma exclusiva capacidades simultáneas de clasificación y respuesta a preguntas.

Conclusiones:

• Los modelos generativos, especialmente BioGPT, proporcionan una solución escalable para automatizar la extracción de información estructurada de los informes de imágenes mamarias.
• El rendimiento superior y la capacidad multitarea de BioGPT pueden reducir significativamente los esfuerzos manuales de curación de datos.
• Los hallazgos respaldan la integración eficiente de datos de imágenes en flujos de trabajo de investigación y clínicos utilizando PNL avanzada.