乳腺癌标本报告分层分类系统（HCSBC）——用于表征严重程度与诊断的端到端模型
计算机视觉与模式识别
2023-12-21 v1 人工智能
摘要
癌症病理报告的自动分类可以从非结构化报告中提取信息，并将每份报告分类为结构化的诊断和严重程度类别。因此，这样的系统可以减轻填充肿瘤登记库的负担，帮助临床试验登记，以及利用真实的病理 Ground Truth 开发用于深度学习模型的大型数据集。然而，由于内容上的高度语言变异以及超过 50 种潜在诊断的广泛种类，乳腺癌病理报告的内容难以进行分类。现有的 NLP 模型主要集中在为主要乳腺癌类型（例如 IDC、DCIS、ILC）和肿瘤特征开发分类器，而忽略了癌症亚型的罕见诊断。随后，我们开发了一个基于分层混合 Transformer 的流水线（59 个标签）——乳腺癌标本报告分层分类系统（Hierarchical Classification System for Breast Cancer Specimen Report, HCSBC），它利用了 Transformer 保持上下文的 NLP 技术的潜力，并将我们的模型与几个 SOTA 的 ML 和 DL 模型进行了比较。我们在 EUH 数据上训练了该模型，并在两个外部数据集——MGH 和 Mayo Clinic 上评估了模型的性能。我们在 Huggingface spaces 仓库中公开了代码和一个在线应用。
引用
@article{arxiv.2312.12442,
title = {Hierarchical Classification System for Breast Cancer Specimen Report (HCSBC) -- an end-to-end model for characterizing severity and diagnosis},
author = {Thiago Santos and Harish Kamath and Christopher R. McAdams and Mary S. Newell and Marina Mosunjac and Gabriela Oprea-Ilies and Geoffrey Smith and Constance Lehman and Judy Gichoya and Imon Banerjee and Hari Trivedi},
journal= {arXiv preprint arXiv:2312.12442},
year = {2023}
}