用于检测乳腺X线摄影报告中所报发现与结论一致性的监督机器学习算法
计算与语言
2022-03-01 v1
摘要
目的。乳腺X线摄影报告记录了患者状况的诊断。然而，许多报告包含非标准术语（非BI-RADS描述符）和不完整的陈述，可能导致结论未得到所报发现的充分支持。我们的目标是通过将报告结论与基于所报放射学发现应得出的结论进行比较，开发一种工具来检测此类差异。材料与方法。使用来自一家学术医院包含258份乳腺X线摄影报告并补充网上发现的120份报告的去标识化数据集进行训练和评估。使用拼写检查和术语规范化来明确确定所报的BI-RADS描述符。所得数据被输入七个分类器，这些分类器根据其发现部分将乳腺X线摄影报告分类为七个BI-RADS最终评估类别。最后，报告了报告与每个BI-RADS类别的语义相似度分数。结果。我们的术语规范化算法正确识别了乳腺X线摄影报告中97%的BI-RADS描述符。我们的系统根据BI-RADS最终评估类别正确分类报告时提供了76%的准确率和83%的召回率。讨论。我们方法的优势在于在总结阶段对BI-RADS术语赋予高重要性、考虑复杂数据表示的语义相似性，以及分类到全部七个BI-RADS类别。结论。BI-RADS描述符和预期的最终评估类别可由我们的方法以相当好的准确度自动检测，可用于提醒用户其报告发现与结论不匹配。
引用
@article{arxiv.2202.13618,
title = {Supervised Machine Learning Algorithm for Detecting Consistency between Reported Findings and the Conclusions of Mammography Reports},
author = {Alexander Berdichevsky and Mor Peleg and Daniel L. Rubin},
journal= {arXiv preprint arXiv:2202.13618},
year = {2022}
}
备注
11 single spaced pages(current version is double spaced), 3 tables, 4 figures