使用自然语言处理从外科病理学报告中提取和分类乳头甲状腺癌特征
Ricardo Loor-Torres1, Yuqi Wu2, Esteban Cabezas1
1Knowledge and Evaluation Research Unit, Division of Endocrinology, Diabetes, Metabolism, and Nutrition, Department of Medicine, Mayo Clinic, Rochester, Minnesota.
概括
像ThyroPath这样的自然语言处理 (NLP) 工具可以自动从病理学报告中提取甲状腺癌风险因素. 这种方法对大规模分析和改进虚拟注册表有希望.
科学领域:
- 医疗信息学医学信息学
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 自动化分析甲状腺癌病理学报告对于高效的风险分层至关重要.
- 手动审查这些报告是耗时的,容易变化.
研究的目的:
- 开发和评估一种名为ThyroPath的自然语言处理 (NLP) 管道,用于自动提取和分类甲状腺癌风险因素.
- 评估ThyroPath在分类乳头甲状腺癌复发风险方面的表现.
主要方法:
- 分析了成年乳头甲状腺癌患者的1410份外科病理报告 (2010-2019).
- 开发了基于规则的NLP管道ThyroPath,以提取和分类特征到风险类别.
- 使用严格和宽松的准确性,精度,回忆和F1分数标准来评估性能.
主要成果:
- ThyroPath在特征提取方面获得了高严格的F1分数:93%的结构化报告和90%的非结构化报告.
- 对复发风险的分类准确率为93% (高风险:76.9%,中等:86.8%,低/非常低:100%).
- 在使用人类提取的病理信息时,在所有风险类别中实现了100%的准确性.
结论:
- 甲状腺病理报告分析和风险分类在规模上的自动化ThyroPath显示显著的潜力.
- 这种自动化可以简化手动审查流程,并支持虚拟注册表的开发.
- 在广泛临床实施之前,建议进行进一步的验证.
