用于细粒度巴雷特食管诊断分类的大语言模型
计算与语言
2023-08-21 v1
摘要
巴雷特食管（BE）作为食管癌前驱病变，其诊断编码缺乏许多研究或临床用例所需的粒度与精度。需费力的人工病历审查才能从BE病理报告中提取关键诊断表型。我们开发了一种基于可泛化transformer的方法来自动化数据提取。利用来自Columbia University Irving Medical Center、由胃肠病学家标注目标的病理报告，我们进行了二元异型增生分类以及细粒度多类BE相关诊断分类。我们采用了两个临床预训练大语言模型，最佳模型性能可与使用相同数据开发的高度定制基于规则的系统相媲美。二元异型增生提取达到0.964 F1分数，而多类模型达到0.911 F1分数。与定制的基于规则的方法相比，我们的方法更具泛化性且实施更快。
引用
@article{arxiv.2308.08660,
title = {Large Language Models for Granularized Barrett's Esophagus Diagnosis Classification},
author = {Jenna Kefeli and Ali Soroush and Courtney J. Diamond and Haley M. Zylberberg and Benjamin May and Julian A. Abrams and Chunhua Weng and Nicholas Tatonetti},
journal= {arXiv preprint arXiv:2308.08660},
year = {2023}
}