通过C-LAB®人工智能平台对病理学报告中的真实世界生物标志物数据进行结构化和集中
Florent Le Borgne1, Camille Garnier2, Camille Morisseau1
1Data Factory & Analytics Department, Institut de Cancérologie de l'Ouest, Nantes-Angers, France.
Digital health
|February 27, 2025
概括
一个人工智能平台,C-LAB®,有效地结构化了病理学报告中的乳腺癌生物标志物数据,与人类提取达成80%以上的一致性. 这项技术有望简化用于精确诊断的数据管理.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 乳腺癌病理学报告通常是无结构和异质的,这给数据提取带来了挑战.
- 集中生物标志物数据对于准确的诊断和治疗计划至关重要.
研究的目的:
- 评估C-LAB®人工智能 (AI) 平台在从乳腺癌病理学报告中提取,结构化和集中生物标记数据方面的有效性.
- 评估人工智能平台在来自西方癌症研究所 (ICO) 具有挑战性的异质数据集上的表现.
主要方法:
- 使用C-LAB®人工智能平台,分析乳腺癌病理报告中的HER2和激素受体数据.
- 一个涉及292个报告的代过程完善了基于规则的提取算法.
- 完成的算法应用于2323份报告,对ESME结构化数据库中可用的子集 (666份报告) 进行绩效评估.
主要成果:
- 为了结构化生物标志物数据,C-LAB®与人类提取物达到了超过80%的一致性 (精度,回忆,F1分数).
- 尽管数据集的变化和光学字符识别错误,该平台仍表现出有效性.
- 人工智能平台显示出降低手工工作量并实现可扩展的实时报告的潜力.
结论:
- 像C-LAB®这样的AI技术可以将复杂的病理学数据转换为可访问的数字格式.
- 这有助于精确管理乳腺癌等疾病,改善诊断和治疗.
- C-LAB®显示了增强乳腺癌数据分析和临床决策的巨大潜力.
