手術病理報告からの構造化データ抽出におけるコンセンサスベースの推論と大規模言語モデルの使用

科学分野:

• 医療情報学
• 計算病理学
• 医療における人工知能

背景:

• 手術病理報告書には重要な癌診断情報が含まれていますが、形式やスタイルが大きく異なります。
• これらの報告書の構造化されていない性質は、大規模分析のための自動データ抽出を妨げます。
• 腫瘍タイプや施設間でのばらつきは、一貫したデータ検索に大きな課題をもたらします。

研究 の 目的:

• 病理報告からの標準診断変数およびバイオマーカー抽出のためのコンセンサス駆動型推論ベースフレームワークを開発すること。
• 正確で信頼性の高いデータ抽出のために、ローカル展開された大規模言語モデル（LLM）を適応させること。
• 多様な臓器系およびがん種にわたるフレームワークのパフォーマンスを評価すること。

主な方法:

• 診断変数（部位、組織学、病期、グレード、挙動）およびバイオマーカーを抽出するために、複数のローカル展開された大規模言語モデル（LLM）を利用しました。
• LLMによって生成された出力の精度と一貫性を評価するために、3つの別個の推論モデルを採用しました。
• 最終的なコンセンサス値を決定するために出力を集計し、認定病理医による専門家による検証を実施しました。

主要な成果:

• フレームワークは、6,100件を超えるTCGA（The Cancer Genome Atlas）報告書（平均84.9%±7.3%）および510件のモフィットがんセンター報告書（平均88.2%±7.2%）から標準変数を抽出する際に高い精度を達成しました。
• 組織学、部位、挙動は最も高い抽出精度を示し、専門家によるレビューは主要変数全体で強い一致を確認しました。
• バイオマーカー抽出は全体で70.6%±7.9%の精度を達成し、特定のバイオマーカーは関連する腫瘍タイプで高いパフォーマンスを示しました。

結論:

• コンセンサスベースのフレームワーク内でのローカル展開LLMは、病理データ抽出のための透明で正確かつ監査可能なソリューションを提供します。
• このフレームワークは、同型報告や癌登録抽出などの実際のワークフローへの統合の可能性を示しています。
• 多評価者コンセンサスを備えた層別化されたマルチ臓器評価フレームワークは、臨床アプリケーションにおけるLLMのベンチマークに不可欠です。