开发和评估自然语言处理方法,以提取黑色素瘤病理学关键概念
Johnathan C Stanley1,2, Mengke Hu1,2, Cecelia J Madison1,3,4
1VA Informatics and Computing Infrastructure (VINCI), VA Salt Lake City Health Care System, Salt Lake City, UT, USA.
Studies in health technology and informatics
|August 8, 2025
概括
这项研究开发了一个自然语言处理 (NLP) 系统,从报告中提取黑色素瘤病理信息. 该系统准确地识别了分期和患者招募的关键概念.
科学领域:
- 医疗信息学 医疗信息学
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 黑色素瘤的分期依赖于详细的病理学报告.
- 手动提取分期标准耗时且容易出现错误.
- 需要自动化方法来有效处理病理学数据.
研究的目的:
- 为黑色素瘤病理学开发一个注释方案.
- 创建一个基于规则的自然语言处理 (NLP) 系统,用于概念提取.
- 评估系统在确定黑色素瘤关键分期标准方面的表现.
主要方法:
- 为黑色素瘤病理学概念开发了一种专门的注释方案.
- 实施了基于规则的自然语言处理 (NLP) 系统.
- 从外科病理学报告中提取了关键概念.
- 使用精度和回忆指标评估系统性能.
主要成果:
- 开发的注释模式有效地捕获了黑色素瘤病理学的基本概念.
- 基于规则的NLP系统在概念提取中实现了高精度和回忆.
- 该系统成功地解决了黑色素瘤分期标准的复杂性.
结论:
- 开发的NLP系统为提取黑色素瘤病理信息提供了准确有效的方法.
- 该工具支持下游黑色素瘤分期和队列招募.
- 自动化病理学报告分析可以显著改善癌症研究工作流程.
更多相关视频
05:33Author Spotlight: Recreating Melanoma Complexity with Patient-Derived Organoids for Immunotherapy Evaluation
Published on: September 6, 2024
1.7K
09:58DNA-barcode-based Multiplex Immunofluorescence Imaging to Analyze FFPE Specimens from Genetically Reprogrammed Murine Melanoma
Published on: June 6, 2025
467
