在患有胰腺癌的患者中识别综合征类型从电子医疗记录中的自由文本:模型开发和验证
He Ba1,2, Haojie Du3,4, Chienshan Cheng2,5
1Qingdao Institute, Department of Integrative Oncology, Fudan University Shanghai Cancer Center, Qingdao, China.
JMIR formative research
|October 3, 2025
概括
一个新的基于BERT的模型,TCMPCSD-BERT,通过数字化专家知识来增强传统中医 (TCM) 的胰腺癌综合征差异化. 这种人工智能模型显示了比现有的工具和大型语言模型更好的准确性和可解释性.
科学领域:
- 人工智能在医学中的应用
- 医疗保健的自然语言处理.
- 传统中国医学 (TCM) 信息学 信息学
背景情况:
- 传统中医 (TCM) 综合征的分化至关重要,但由于依赖专家经验,缺乏标准化.
- 自动化TCM诊断需要强大的模型,能够解释复杂的临床数据.
研究的目的:
- 开发和验证基于BERT的模型 (TCMPCSD-BERT) 用于在胰腺癌中实现自动化TCM综合征分化.
- 数字化专家知识并支持标准化的TCM诊断实践.
主要方法:
- 使用回顾性胰腺癌医疗记录 (2011-2024) 开发了TCMPCSD-BERT.
- 专家对4种TCM综合征类型进行了注释 (科恩 κ=0.913).
- 与LSTM,TextCNN和领先的LLM (ChatGPT-4o,Kimi,Ernie Bot 4.0 Turbo,Zhipu Qingyan) 的TCMPCSD-BERT进行了比较,使用了快速工程和统计分析 (麦克纳马测试,威尔士t测试).
主要成果:
- 与基线模型和LLMs相比,TCMPCSD-BERT实现了显著更高的精度,宏观精度 (0.935),宏观调用 (0.921) 和宏观F1得分 (0.927).
- 解释性分析 (注意力可视化,集成梯度) 显示该模型捕捉了微妙的TCM术语关联和关键诊断特征.
- 该模型在处理长篇,非结构化的文本方面表现出卓越的性能,提供更高的准确性,可解释性和效率.
结论:
- TCMPCSD-BERT显示了自动化从非结构化临床文本中区分TCM综合征的显著潜力.
- 该模型为特定的TCM任务提供了与现有诊断仪器,网络平台和LLM相比更好的可操作性,稳定性和准确性.
- 建议对更大,更多样化的数据集进行进一步验证,以确保可通用性和现实世界的适用性.
更多相关视频
05:44Isolation of Proximal Fluids to Investigate the Tumor Microenvironment of Pancreatic Adenocarcinoma
Published on: November 5, 2020
5.0K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
489
