不同固体瘤中骨转移的发生率和患病率通过CT报告的自然语言处理确定

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 放射学 放射学是一门学科.

背景情况:

• 改善癌症存活率导致更多患有骨转移的患者.
• 了解骨转移的影响需要基于人口的数据.
• 之前的研究缺乏各种癌症类型的综合发病率和流行率数据.

研究的目的:

• 评估固体器官瘤中骨转移的发生率和流行率.
• 为了利用自然语言处理 (NLP) 来分析阶段化CT报告.
• 为了确定骨转移的模式,跨越各种原发性癌症类型.

主要方法:

• 追溯分析了来自129,326名独特患者的639,470份CT报告.
• 6,279份报告的手动注释用于训练基于BERT的NLP模型.
• 5年累计发生率和骨转移的流行率的计算.

主要成果:

• 该NLP模型实现了97.1%的准确性,88.0%的精度和86.3%的灵敏度.
• 最高的5年发病率:前列腺 (52%),乳腺 (41%),头部和部 (36%),肺部 (33%).
• 患病率最高的是前列腺 (32%),乳腺 (25%),肺部 (23%). 中枢神经系统和丸癌的发病率/患病率最低.

结论:

• NLP是一种有效的工具,用于基于人口的骨转移的评估.
• 这项研究在固体器官瘤中确定了明显的发病率和流行率模式.
• 研究结果强调,需要根据癌症类型制定量身定制的治疗策略.