使用自然语言处理从手术病理报告中提取和分类甲状腺乳头状癌特征

背景 我们旨在使用自然语言处理(NLP)自动化从病理报告中提取和分类甲状腺癌风险因素。方法 我们分析了2010年至2019年梅奥诊所（明尼苏达州罗切斯特）1,410份成人甲状腺乳头状癌患者的手术病理报告。使用结构化和非结构化报告创建基于共识的黄金标准词典，并将其分类为修改后的复发风险等级。非结构化报告是叙述性的，而结构化报告遵循标准化格式。然后，我们开发了ThyroPath，一个基于规则的NLP流水线，用于将甲状腺癌特征提取并分类为风险类别。训练涉及225份报告（150份结构化，75份非结构化），测试使用170份报告（120份结构化，50份非结构化）进行评估。使用严格和宽松标准评估流水线的准确性、精确率、召回率和F1分数。结果 在提取任务中，ThyroPath在结构化报告中实现了93%的总体严格F1分数，在非结构化报告中实现了90%，涵盖了18个甲状腺癌病理特征。在分类任务中，ThyroPath提取的信息在根据相应的基于指南的复发风险对报告进行分类时，总体准确率达到93%：高风险为76.9%，中风险为86.8%，低风险和极低风险均为100%。然而，使用人工提取的病理信息，ThyroPath在所有甲状腺癌风险类别中均达到了100%的准确率。结论 ThyroPath在自动化大规模提取和分类甲状腺病理报告及复发风险方面显示出潜力。它为繁琐的人工审查和推进虚拟登记处提供了一种解决方案。然而，在实施之前需要进一步验证。