Aprovechamiento de Modelos de Lenguaje Grandes para la Extracción y Concordancia de Información de Nódulos Tiroideos...

Área de la Ciencia:

• Informática Médica
• Inteligencia Artificial en la Atención Médica
• Análisis de Datos Oncológicos

Sus antecedentes:

• La extracción manual de características de nódulos tiroideos de informes clínicos consume mucho tiempo e es inconsistente.
• La extracción precisa de características es vital para las decisiones de manejo del paciente, incluida la cirugía o la vigilancia.
• Los datos de los registros médicos electrónicos presentan desafíos para la recuperación eficiente de información.

Objetivo del estudio:

• Evaluar la eficacia de los modelos de lenguaje grandes (LLM) de código abierto en la automatización de la extracción y concordancia de características de nódulos tiroideos.
• Comparar el rendimiento de los LLM con las anotaciones manuales utilizando un conjunto de datos retrospectivo.
• Evaluar el potencial de los LLM para reducir la carga de trabajo clínica y la variabilidad entre evaluadores.

Principales métodos:

• Desarrolló un esquema de anotación para características de nódulos tiroideos a partir de informes de ultrasonido y patología.
• Utilizó un conjunto de datos retrospectivo que comprende 451 pares de informes de ultrasonido y patología.
• Se compararon dos LLM, Llama-3.3 70B y QwQ-32B, con la extracción y anotación manual.

Principales resultados:

• Ambos LLM evaluados demostraron alta precisión en la extracción de características clave de nódulos tiroideos (p. ej., ubicación, tamaño, resultados de biopsia).
• QwQ-32B logró una puntuación F1 superior de 0,987 para la compleja tarea de hacer coincidir nódulos entre diferentes informes.
• El rendimiento de los LLM se aproximó estrechamente a la precisión de la anotación manual para datos clínicos críticos.

Conclusiones:

• Los LLM de código abierto muestran una promesa significativa para automatizar la extracción y concordancia de características de nódulos tiroideos a partir de informes clínicos.
• La integración de LLM en los flujos de trabajo clínicos puede disminuir sustancialmente la carga de trabajo del médico y mejorar la consistencia.
• La automatización impulsada por LLM mantiene una alta precisión, lo que apoya las decisiones informadas de manejo del paciente para los nódulos tiroideos.