从自由文本病理学报告中预编码皮肤癌,使用耐噪声神经网络
Tapio Niemi1, Gautier Defossez1, Simon Germann1
1Centre for Primary Care and Public Health (Unisanté), University of Lausanne, Lausanne, Switzerland.
Journal of biomedical informatics
|November 14, 2025
概括
一种人工智能方法在病理学报告中准确识别皮肤癌,提取关键术语并建议有效管理癌症注册表数据的代码. 这项技术节省了医疗编码人员的时间,并提高了数据的准确性.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 癌症登记处依赖于手动编码的自由文本病理学报告.
- 皮肤癌的发病率正在上升,这对人工编码工作构成了挑战.
- 准确的编码对于流行病学研究和癌症监测至关重要.
研究的目的:
- 开发基于人工智能的方法,从病理学报告中自动识别和编码皮肤癌.
- 提取关键诊断术语并建议临床变量以提高编码效率.
- 在以人口为基础的注册表中提高癌症病例识别的准确性和速度.
主要方法:
- 探索卷积神经网络 (CNN) 具有噪声强大的损失功能,用于癌症识别和预编码.
- 应用注意力机制来突出报告中的关键诊断术语.
- 使用先前注册和手动编码的皮肤癌病例进行培训和评估.
主要成果:
- 高精度 (0.98-0.99) 在检测皮肤癌类型.
- 准确的预编码子部位,形态,瘤行为和横向性 (F1得分为0.89-0.99).
- 有效地提取与ICD-O代码描述匹配的关键术语,具有高精度.
结论:
- 在沃德癌症登记处的一项试点研究中,AI方法成功地识别和预编码了皮肤癌病例.
- 医疗编码人员发现AI预编码有用,节省时间,并促进审查.
- 计划在未来将其整合到注册表工作流程中,并扩展到其他癌症类型.
更多相关视频
06:34SCAnED - An Open-source Skin Segmentation Macro for Semi-automated Cell and Nuclei Detection in Epidermal and Dermal Skin Compartments
Published on: August 8, 2025
508
08:05Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence
Published on: June 10, 2025
1.1K
