在日本放射学报告中自动检测可疑癌症发现,使用自然语言处理:一个多中心研究
Kento Sugimoto1, Shoya Wada2,3, Shozo Konishi2
1Department of Medical Informatics, Osaka University Graduate School of Medicine, 2-2 Yamadaoka, Suita, 565-0871, Osaka, Japan. sugimoto.kento@hp-info.med.osaka-u.ac.jp.
Journal of imaging informatics in medicine
|January 22, 2025
概括
一个新的基于规则的自然语言处理 (NLP) 算法有效地检测到日本放射学报告中可疑的癌症发现. 这种方法的性能优于深度学习模型,提高了关键诊断的准确性.
科学领域:
- 医疗信息学 医疗信息学
- 放射学中的人工智能
- 自然语言处理自然语言处理.
背景情况:
- 错过了关键的成像发现,特别是癌症指标,延迟了患者的护理.
- 放射学报告需要准确的解释,以防止诊断错误.
- 自动检测可疑的癌症发现对于及时干预至关重要.
研究的目的:
- 开发和评估基于规则的自然语言处理 (NLP) 算法,用于检测日本放射学报告中可疑的癌症发现.
- 将基于规则的NLP算法的性能与深度学习模型 (BERT) 的性能进行比较.
- 评估算法在多个机构中的通用性.
主要方法:
- 使用日本胸部和腹部CT报告开发基于规则的NLP算法.
- 经验丰富的医生报告的注释,以创建一个黄金标准数据集.
- 内部和外部验证使用来自六个机构的数据.
- 使用精度,回忆和F1得分与引导代进行性能统计分析.
- 与基于BERT的深度学习模型进行比较.
主要成果:
- 基于规则的NLP算法实现了高整体性能:精度为0.886,回忆为0.886,F1在报告层面的得分为0.883.
- 基于规则的算法表现优于BERT深度学习模型 (精度为0.851,回忆为0.679,F1得分为0.733).
- 在内部验证 (精度0.929,回忆0.929,F1得分0.927) 和外部验证 (精度0.875,回忆0.879,F1得分0.873) 均表现出强的性能,这表明可通用性.
结论:
- 基于规则的NLP算法在从多机构CT报告中识别可疑癌症发现方面表现出高效.
- 开发的算法提供了一个强大的和可泛化的解决方案,用于提高放射学报告中癌症检测的准确性.
- 这种方法有望减少错过的关键发现,并优化患者的随访和治疗途径.
