人工智能辅助的癌症状况检测在放射学报告中

科学领域:

• 医疗信息学 医疗信息学
• 在瘤学中使用人工智能
• 放射学数据分析 放射学数据分析

背景情况:

• 放射学报告包含癌症研究的宝贵患者数据,但缺乏结构化的格式.
• 这些报告的手动策划是耗时的,昂贵的,并且阻碍了研究进展.
• 现有的手工方法对数据量,复杂性敏感,需要专业技能.

研究的目的:

• 开发和实施人工智能驱动的管道,以有效和准确地注释放射学报告.
• 利用自然语言处理 (NLP) 模型从非结构化文本中提取关键数据元素.
• 提高癌症研究数据处理的速度,准确性和成本效益.

主要方法:

• 探索用于自动数据提取的最先进的AI技术.
• 实施一个端到端的管道,用于放射学报告的注释.
• 训练语言模型 (LMs) 作为多类或多标签分类器来预测成像位置,癌症存在和状态.

主要成果:

• 经过训练的NLP模型在分类任务中获得了高加权的F1分数和准确性.
• 与手工方法相比,人工智能辅助的修复过程显示出更高的准确性和F1分数.
• 观察到与数据策划相关的时间和成本大幅减少.

结论:

• 人工智能和NLP模型为手动从放射学报告中提取数据提供了更快,更准确的替代方案.
• 自动注释有助于手动策划,提高整体效率并降低成本.
• 这种方法通过更快地访问结构化患者数据来加速癌症研究.