大規模言語モデルとディープラーニングを統合して乳がん治療の意思決定支援

科学分野:

• 腫瘍学 腫瘍学
• 医療情報工学 医療情報工学
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 乳がんの分子異質性は,治療決定を複雑にします.
• 病理学報告と電子医療記録 (EMR) は,治療計画において極めて重要です.
• 複雑な乳がん症例では,標準化され,信頼性の高い意思決定支援が必要である.

研究 の 目的:

• 統合臨床意思決定支援システム (CDSS) を開発する.
• 大規模言語モデル (LLM) ベースの病理学分析と,治療予測のためのディープラーニングを組み合わせる.
• 標準化され,信頼性の高い乳がん治療の意思決定を支援する.

主な方法:

• 5015人の乳がん患者の実際のデータを分析した.
• 病理学報告からTNMのステージと腫瘍のサイズを自動抽出するためのMeta-Llama-3-8B-Instructを使用しました.
• 6つの機械学習モデル (意思決定ツリー,ランダムフォレスト,GBM,XGBoost,DNN,トランスフォーマー) を使用した16の治療組合せのマルチラベル分類のためのEMR変数と統合された抽出された病理学データ.

主要な成果:

• Gradient Boosting Machine (GBM) とXGBoostモデルは,LLMで抽出した病理学とEMRの特徴を組み合わせて,最も高い予測性能 (マクロ-F1 ≈ 0.88-0.89;AUC = 0.867-0.868) を達成しました.
• 決定樹とランダムフォレストは中等で信頼性の高いパフォーマンスを示した (マクロF1 = 0.84-0.86;AUC = 0.849-0.821).
• ディープニューラルネットワーク (DNN) とトランスフォーマーモデルは,より低いスコアを出しており,グラデーション強化アンサンブルが,表型の医療データに適していることを示しています.

結論:

• 開発されたAIベースのCDSSは,乳がん治療の意思決定支援の正確性と一貫性を高めます.
• 自動化された病理学解釈とディープラーニングの統合は,現実世界のがんケアに潜在力を示しています.
• グラディエント強化アンサンブルアプローチは,乳がんに対する臨床的に信頼性の高い治療勧告を提供します.