使用人工智能来支持关于BRAF突变测试的知情决策
Jennifer Webster1, Jennifer Ghith1, Orion Penner2
1Pfizer Inc, New York, NY.
JCO precision oncology
|October 30, 2024
概括
开发了一个人工智能平台来分析癌症中的BRAFV600突变率. 虽然人工智能显示了强大的过,但手动审查显示了报告中的不一致性,突出了对精确瘤学的标准化数据的需求.
科学领域:
- 生物医学信息学 生物医学信息学
- 在瘤学瘤学.
- 计算生物学 计算生物学
背景情况:
- 精确瘤学需要准确报告生物标志物测试和突变率.
- 在结直肠癌,非小细胞肺癌和黑色素瘤中,BRAFV600突变至关重要.
研究的目的:
- 开发一个人工智能和NLP管道,用于从文献中注释BRAFV600测试和突变率.
- 创建一个交互式平台,探索不同癌症类型的这些病率.
主要方法:
- 利用人工智能识别和过报告测试或突变率的相关出版物.
- 雇佣专家进行数据验证的手动策划.
- 使用精度和回忆指标评估AI性能.
主要成果:
- 开发了一个交互式仪表板,以可视化注释的BRAFV600突变和测试率.
- 人工智能实现了>90%的精度和回忆,用于出版过.
- 手动注释显示了评估者之间显著的分歧 (19%用于测试,70%用于突变率),表明报告不一致.
结论:
- 人工智能驱动的NLP对标注生物标志物率显示出希望.
- 不一致的报告需要改进人工智能驱动的文献搜索和标准化的数据呈现.
- 标准化将加强临床决策和精密瘤学的研究.


