病理学報告における局所,地域,および遠隔の乳がん再発の特定のための自然言語処理

科学分野:

• 腫瘍学
• 医療情報学
• 自然言語処理

背景:

• ガンの登録は手動のチャートレビューの制限により,乳がんの再発を追跡する上で課題に直面しています.
• 再発の検出を自動化することは,がんのアウトカムデータ収集の改善に不可欠です.

研究 の 目的:

• 病理学報告における乳がん再発の自動識別のための自然言語処理 (NLP) モデルの開発と評価.
• 癌登録のマニュアル・チャート・レビューの資源密集性を克服する.

主な方法:

• 993人の乳がん患者 (2005年−2014年) の病理報告を集めて手動で注釈した.
• 地元,地域,遠隔,乳がん再発の報告を分類するために微調整された大型言語モデル (LLM) を利用した.
• 精度,感度,特異性,受容器操作特性曲線 (AUC) 下の面積を用いてモデルの性能を評価した.

主要な成果:

• NLPモデルは乳がんの再発を特定するのに優れた性能を示しました.
• 局所再発モデルでは,0. 98のAUCで93%以上の精度,感度,および特異性を達成しました.
• 報告の80. 0%は少なくとも1種類の再発を示し,最初の再発までの平均時間は7. 3年であった.

結論:

• 病理学報告から乳がんの再発を検出するための正確で敏感なNLPモデルを開発しました.
• NLPは乳がんのアウトカムデータ収集の より効率的で正確な方法を提供します
• この技術により 癌登録簿が患者の診断結果を 追跡する能力を向上させることができます