臨床専門知識の強化と代替ではなく,実際の合成訓練の混合によるコロノスコーピーの報告における名前の認識の改善

科学分野:

• 自然言語処理
• 医療情報工学
• 医療における人工知能

背景:

• 大腸内視鏡検査の結果は通常,構造化されていないフリーテキストであり,品質モニタリング,パーソナライズされた医療,研究のための二次データ使用を妨げています.
• これらのフリーテキストレポートから貴重な臨床情報を抽出するために,正確な名前のエンティティ認識 (NER) は極めて重要です.

研究 の 目的:

• リアル,合成,および混合コロノスコピーのレポートデータで訓練されたNERモデルのパフォーマンスを比較する.
• プライバシーを守る合成レポートが臨床情報抽出の精度を高めることができるかどうかを評価する.

主な方法:

• 3つのSpark NLP biLSTM CRFモデルは,ModelR (実際のデータ),ModelS (合成データ),およびModelM (実際のデータと合成データの混合) が訓練されました.
• 7つのエンティティタイプの目に見えない実体と合成コロノスコピーのレポートでモデルが評価されました.
• パフォーマンスメトリックには,マイクロ平均精度,リコール,F1スコア,統計的有意性のためのマクネマールテストが含まれています.

主要な成果:

• 混合データモデル (ModelM) は,単一のソースモデル (ModelR F1 = 0.70,ModelS F1 = 0.64) を大幅に上回る最高性能を達成しました.
• ModelRは実際のデータ (F1 = 0.90) で良い結果を示したが,合成データ (F1 = 0.47) で悪い結果を示した.ModelSは逆の傾向を示した (F1 = 0.99合成,F1 = 0.33実際の).
• 統計分析により,混合データアプローチの優位性が確認されました.

結論:

• 合成コロノスコピーの報告は貴重な補足ですが,実際の注釈されたデータの代わりではありません.
• 実際のデータと合成データのバランスをとったNERモデルのトレーニングは,コロノスコピーのレポートを構成するための堅牢で一般化可能なモデルを生み出します.
• このアプローチは 大規模でプライバシーを守る 大腸がんの監視と 個別化されたフォローアップ戦略をサポートします