您好,欢迎您

2026 AACR|人工智能辅助乳腺癌病理报告信息提取

04月21日
编译:肿瘤资讯
来源:肿瘤资讯
Session Type

Late-Breaking Poster Sessions

Session Title

LBPO.BCS02. Late-Breaking Research: Bioinformatics, Computational Biology, Systems Biology, and Convergent Science 2

摘要号

LB450 / 18

英文标题

AI-assisted pathology report abstraction for breast cancer

中文标题

人工智能辅助乳腺癌病理报告信息提取

讲者

Sarah C. Van Alsten1, Saianand Balu1, IsaiahW.Zipple1, GeorgiaC.Mudd1, Nader Mehri1, Daniel Fabbri2, MelissaA.Troester11UNC Lineberger Comprehensive Cancer Center, Chapel Hill, NC,2Vanderbilt University, Nashville, TN

背景

临床癌症研究常需从病理报告中人工提取肿瘤信息,这一过程耗时费力。基于大语言模型(LLM)的提取方法虽能提高效率,但因其“黑箱”特性而缺乏透明度。本研究评估了使用BRIM(一种LLM辅助的人机协同临床信息提取工具)的综合方法在提取速度和准确性方面的表现。

方法

研究者转录了卡罗莱纳乳腺癌研究(Carolina Breast Cancer Study;简称 CBCS)第四阶段(CBCS4)中588例参与者的828份乳腺癌病理报告PDF文本(其中399份已由训练有素的肿瘤登记员完成人工提取)。研究人员设计了提示词以从报告中提取肿瘤大小、分级、雌激素受体(ER)、孕激素受体(PR)及人表皮生长因子受体2(HER2)信息,包括阳性百分比、染色强度、免疫组化(IHC)评分等(如适用)。通过BRIM平台结合GPT-OSS-20B(开源LLM)进行迭代测试优化提示词,提取人员可实时审查文本证据与模型推理逻辑,并提供反馈以改进后续输出。性能评估指标包括提取速度以及与金标准人工提取结果的准确性对比。仅纳入LLM和登记员均有可用数据的病例。

结果

LLM辅助提取828份报告耗时11.5小时,而认证肿瘤登记员需100小时(平均每份报告7分钟),提取时间减少90%。如表所示,各项指标的提取准确率介于85%(PR阳性百分比)至98%(肿瘤分级、ER强度及ER分类解读)之间,多数指标准确率超过90%。

基于LLM的提取准确率

1776737656662.jpg

结论

基于LLM从病理报告中提取肿瘤变量信息具有可行性,准确性较高,且能显著减轻人工提取负担。未来需纳入更多复杂情况(如报告附录、多灶性病变)的处理,以更贴近登记员实际工作流程。

责任编辑:Amiee
排版编辑:Amiee


版权声明
本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明"转自:良医汇-肿瘤医生APP"。