生検病理報告書のバイオクリニカルBERTによる正確な臨床エンティティ認識とコードマッピング、検索拡張生成による強化：ハイブリッド深層学習アプローチ

科学分野:

• 医療情報学;自然言語処理;計算病理学

背景:

• 解剖病理レポートは構造化されておらず、自動データ抽出と大規模研究を妨げています。;手動データ標準化は、リソース集約的でスケーリングが困難です。

研究 の 目的:

• 解剖病理レポートのエンティティ抽出とマルチオントロジー正規化のための自動パイプラインを開発および評価すること。;データ相互運用性を向上させ、臨床テキストを使用した自動研究を促進すること。

主な方法:

• 560件のレポートのコーパスを、検体タイプ、実行された検査、および所見についてアノテーションしました。;エンティティ抽出にはBioBERT v1.1を使用しました。;正規化には、SNOMED CT、LOINC、およびICD-11に関する検索拡張生成を備えたBioClinicalBERTを使用しました。

主要な成果:

• 全体的なF1スコア0.963で高い抽出パフォーマンスを達成しました。;用語マッピングにおいて、BioClinicalBERTと密接な検索を組み合わせたアプローチが他のアプローチを上回りました。;実質的なほぼ完全な一致（コーエンのカッパ0.7829-0.9773）は、堅牢なコーディングを示しました。

結論:

• 開発されたパイプラインは、解剖病理エンティティのための堅牢な自動抽出とマルチオントロジーコーディングを提供します。;トランスフォーマーベースの固有表現認識と検索拡張生成は、システムの機能性をサポートします。;研究の限界により、臨床展開前の複数機関での検証が推奨されます。