从非结构化组织病理学报告中提取结构化信息,使用生成预训练变压器4 (GPT-4)

科学领域:

• 计算病理学计算病理学
• 医学中的人工智能.
• 数字病理学数字病理学

背景情况:

• 对于全幻灯片组织病理学图像 (WSIs) 的深度学习有助于精确瘤学,但需要广泛的标记数据.
• 非结构化的病理报告对数据提取构成了挑战,而结构化的报告模板增加了工作量.
• 目前用于生成用于机器学习的基准真实数据的方法耗时且昂贵.

研究的目的:

• 调查大型语言模型 (LLM) 从非结构化病理学报告中提取结构化数据的能力.
• 评估使用LLM使用零射击方法进行自动数据提取而不需要模型再培训的可行性.
• 评估LLM提取的数据与人类生成的结构化数据的一致性.

主要方法:

• 利用GPT-4,一个大型语言模型,来处理非结构化的普通语言的病理学报告.
• 采用零射击学习方法,不需要重新训练模型.
• 专注于结直肠癌和质母细胞瘤的两种广泛的病理学报告数据集.

主要成果:

• GPT-4成功地从非结构化组织病理学报告中提取了结构化数据.
• 在LLM生成的结构化数据和人类专家结构化的数据之间观察到很高的一致性.
• 零射击方法在提取相关信息方面表现出有效性.

结论:

• 大型语言模型可以有效地从非结构化的病理报告中提取结构化的基准真相数据.
• 在开发数字病理学机器学习模型时,LLM提供了一个潜在的解决方案,以克服数据采集瓶.
• 常规使用LLM可以显著提高AI工具的开发精确瘤学和病理学.