新的AI工具使用放射學(xué)報(bào)告識(shí)別癌癥結(jié)果

Dana-Farber癌癥研究所的科學(xué)家已經(jīng)證明，人工智能工具的表現(xiàn)與人類評(píng)論者一樣，并且可以更迅速地從肺癌患者的非結(jié)構(gòu)化放射學(xué)報(bào)告中提取有關(guān)腫瘤變化的臨床信息。

人工智能工具與受過訓(xùn)練的人類“策展人”在檢測(cè)癌癥存在方面的表現(xiàn)相當(dāng); 以及它是否對(duì)治療干預(yù)做出反應(yīng)，穩(wěn)定或惡化。

該研究的目的是相應(yīng)的作者，醫(yī)學(xué)博士，公共衛(wèi)生碩士，醫(yī)學(xué)腫瘤學(xué)家和Dana-Faber人口科學(xué)系的教員，該研究的目的是確定人工智能工具是否可以從放射學(xué)中提取最高價(jià)值的癌癥結(jié)果報(bào)告，這是一個(gè)無處不在但非結(jié)構(gòu)化的數(shù)據(jù)源。

Kehl指出，電子健康記錄現(xiàn)在收集了在像Dana-Farber這樣的中心看到的數(shù)千名患者的大量信息。然而，除非患者參加臨床試驗(yàn)，否則有關(guān)其結(jié)果的信息，例如他們的癌癥是否因治??療而增長(zhǎng)或縮小，僅記錄在病歷的文本中。從歷史上看，這種非結(jié)構(gòu)化信息不適用于計(jì)算分析，因此不能用于研究治療的有效性。

由于Dana-Farber / Brigham和女性癌癥中心的Profile計(jì)劃分析了患者腫瘤樣本，并創(chuàng)建了可以預(yù)測(cè)治療反應(yīng)性的基因組變異，Dana-Farber研究人員積累了大量關(guān)于患者的分子信息。 '癌癥。“但是，如果不對(duì)患者的醫(yī)療記錄進(jìn)行深入檢查以衡量其結(jié)果，可以很難應(yīng)用這些信息來了解哪些分子模式可以預(yù)測(cè)治療效果。這是實(shí)現(xiàn)精準(zhǔn)醫(yī)學(xué)全部潛力的關(guān)鍵障礙，”Kehl說。

對(duì)于目前的研究，Kehl及其同事為1,112名患者獲得了超過14,000份成像報(bào)告，并使用“PRISSMM”框架手動(dòng)審查記錄。PRISSMM是Dana-Farber開發(fā)的一種物質(zhì)數(shù)據(jù)標(biāo)準(zhǔn)，它從電子健康記錄中的文本報(bào)告中獲取非結(jié)構(gòu)化數(shù)據(jù)并構(gòu)建它們，以便可以輕松分析它們。PRISSMM構(gòu)建有關(guān)患者病理學(xué)，放射學(xué)/成像，體征/癥狀，分子標(biāo)記物和腫瘤內(nèi)科醫(yī)師評(píng)估的數(shù)據(jù)，以創(chuàng)建癌癥患者旅程的肖像。

人類評(píng)論員分析了成像文本報(bào)告，并指出癌癥是否存在，如果存在，是否正在惡化或改善，以及癌癥是否已擴(kuò)散到特定的身體部位。然后，這些報(bào)告用于訓(xùn)練計(jì)算“ 深度學(xué)習(xí) ”模型，以從文本報(bào)告中識(shí)別這些結(jié)果。作者寫道：“我們的假設(shè)是深度學(xué)習(xí)算法可以使用常規(guī)生成的放射學(xué)文本報(bào)告來確定癌癥的存在及其隨時(shí)間的變化程度。”

研究人員對(duì)人體和計(jì)算機(jī)測(cè)量結(jié)果進(jìn)行了比較，如無病生存，無進(jìn)展生存，改善或反應(yīng)時(shí)間，并發(fā)現(xiàn)人工智能算法可以復(fù)制人類對(duì)這些結(jié)果的評(píng)估。在深學(xué)習(xí)算法然后被應(yīng)用到注釋為1,294患者的記錄沒有被人工審查另一個(gè)15000個(gè)報(bào)告。作者發(fā)現(xiàn)，這些患者的計(jì)算機(jī)結(jié)果測(cè)量結(jié)果可以預(yù)測(cè)人工評(píng)估中人工評(píng)估的準(zhǔn)確性。

人類策展人能夠?yàn)槊啃r(shí)約3名患者注釋成像報(bào)告，一名策展人需要大約6個(gè)月的時(shí)間來為該隊(duì)列中的患者注釋所有近30,000份成像報(bào)告。研究人員在JAMA Oncology的一份報(bào)告中說，相比之下，研究人員開發(fā)的人工智能模型可以在大約10分鐘內(nèi)為該隊(duì)列的成像報(bào)告注釋。

“為了創(chuàng)建真正的腫瘤學(xué)習(xí)健康系統(tǒng)并促進(jìn)大規(guī)模提供精準(zhǔn)醫(yī)學(xué)，需要采用一些方法來加速電子健康記錄中癌癥相關(guān)結(jié)果的治療，”該出版物的作者說。如果得到廣泛應(yīng)用，研究人員表示，“這項(xiàng)技術(shù)可以大大加快使用來自所有癌癥患者的真實(shí)數(shù)據(jù)的努力，以產(chǎn)生關(guān)于治療方法有效性的證據(jù)。” 接下來的步驟將包括在來自其他癌癥中心的EHR數(shù)據(jù)上測(cè)試該方法，并使用該數(shù)據(jù)來發(fā)現(xiàn)哪些治療對(duì)哪些患者最有效。