皮罗:一种基于网络的病理学报告搜索平台,利用大型语言模型产生离散的可搜索见解
Scott Robertson1, Venkata Koppireddy1, Jeremy Cumbo1
1Center for Diagnostics and Artificial Intelligence, Cleveland Clinic Foundation, Department of Pathology and Laboratory Medicine, 9500 Euclid Ave, Cleveland, OH 44195, USA.
Journal of pathology informatics
|April 16, 2025
概括
病理学家现在可以使用PIRO (病理学信息检索优化器) 高效地搜索历史诊断文本. 这个新平台显著改善了对病理学档案的访问,用于研究和教育.
科学领域:
- 医疗信息学 医疗信息学
- 计算病理学计算病理学
背景情况:
- 病理学家需要访问历史诊断案例文本,用于研究和教育.
- 现有的实验室信息系统 (LIS) 通常缺乏针对病理学特定查询的优化搜索工具.
研究的目的:
- 开发和评估PIRO (病理信息检索优化器),这是一个基于Web的平台,用于有效地搜索病理档案的文本.
- 提高搜索精度,支持病理学研究和教育.
主要方法:
- 使用FastAPI,Angular和Apache Solr开发PIRO,包括基本/高级搜索,分层过和数据提取.
- 实施了一个大型语言模型 (LLM) 用于报告注释,并使用"恶性病风险"标签.
- 在病理学家中研究了8个月的PIRO采用率.
主要成果:
- 与Epic Beaker的SlicerDicer (9%) 相比,PIRO的采用率 (67%) 显著更高.
- 该LLM成功注释了报告,提高了搜索精度.
- PIRO支持案例队列构建,数据出口和安全访问控制.
结论:
- 皮罗为病理学信息检索提供了一个用户友好和相关的解决方案,改善了对诊断档案的访问.
- 该平台的可适应性设计适合跨机构应用,推进病理学研究和教育.
- 未来计划与数字病理学平台进行整合.


