混合ReGex和自然语言推理模型作为从医疗报告中提取数据的零射击分类器
Nicolas Wagneur1,2, Olivier Capitain3, Stéphane Supiot1
1Radiotherapy Department, Institut de Cancérologie de l'Ouest, Nantes-Angers, France.
JCO clinical cancer informatics
|September 22, 2025
概括
这项研究引入了混合人工智能和正则表达法,以有效地从临床报告中提取前列腺癌症状,实现高准确性和与医生数据的强烈一致.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 自然语言处理自然语言处理.
背景情况:
- 从非结构化报告中提取临床数据具有挑战性.
- 现有的方法在准确性和效率方面存在局限性.
- 前列腺癌研究需要精确的症状数据.
研究的目的:
- 开发和评估混合人工智能和正则表达式 (ReGex) 管道用于医学数据提取.
- 提高从前列腺癌报告中提取关键临床信息的准确性和效率.
- 为了解决单个数据提取技术的局限性.
主要方法:
- 开发了一种混合管道,将ReGex用于初始提取和自然语言推理用于分类.
- 该管道应用于1000名前列腺癌患者的报告.
- 使用精度,回忆,准确性,F1得分和科恩的卡帕来评估表现.
主要成果:
- 该管道实现了高精度 (0.778-0.954) 和回忆 (0.920-1.00).
- 在F1得分中,所识别的症状具有平衡的准确性.
- 科恩的卡帕值 (0.871-0.951) 与医生标记的数据有很强的一致性.
结论:
- 开发的管道是高效的,快速的,并且在计算上轻量级.
- 它在从临床报告中提取医疗数据方面表现出高度准确性.
- 该工具为临床研究和医疗保健应用提供了实际的解决方案.
更多相关视频
03:14Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
1.0K
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
1.3K
