大規模言語モデルを使用してフリーテキスト医療報告書から構造化されたデータを抽出するためのパイプラインの開発と評価

科学分野:

• バイオメディカル・インフォマティクス
• 自然言語処理 (Natural Language Processing) とは,自然言語処理で処理される言語のことです.
• 腫瘍学 腫瘍学

背景:

• 病理学レポートには乳がん (BC) の重要な臨床データが含まれていますが,規模で構造化することは困難です.
• 伝統的な自然言語処理 (NLP) 方法は,手作業による広範な注釈と訓練を必要とします.
• 大型言語モデル (LLM) は,自動化されたデータ抽出のための潜在的な解決策を提供します.

研究 の 目的:

• Mistral Large LLMの有効性を調査し,非構造化された病理学報告から3つの主要な乳がん (BC) バイオマーカーを自動的に抽出します.
• 臨床データの構造化のためのLLMベースのパイプラインのパフォーマンスを評価する.

主な方法:

• Mistral Large LLMと後処理段階を組み合わせたパイプラインを開発し,評価しました.
• 2つのデータセットでパフォーマンスを評価した:BC病理学報告1,152件と,BC病変が転移した患者101人のゴールドスタンダードデータベース.
• パイプラインのパフォーマンスに対する信頼プロンプト (CP),思考の連鎖 (CoT) と少数のショット例の影響を調査しました.

主要な成果:

• エストロゲン受容体,プロゲステロン受容体,HER2ステータス/スコアでドキュメントレベルのF1スコア>95%とリコール/精度>94%を達成しました.
• 患者レベルのF1スコアは87%~90%の範囲で,リコール率は83%~87%で,精度は90%以上であった.
• パイプラインのパフォーマンスは,CP,CoT,またはいくつかのショット例の含有に関係なく一貫していました.

結論:

• 病理学レポートから構造化乳がんバイオマーカーデータを抽出するために,Mistral LargeのようなLLMの有意義な可能性を実証しました.
• 医療文書のデジタル化のためのLLMベースのアプローチの有用性を強調しました.