首页 > 肿瘤 > 自然语言处理模型在宫颈癌分期和风险因素提取中的应用

自然语言处理模型在宫颈癌分期和风险因素提取中的应用

Application of natural language processing models in cervical cancer staging and risk factors extraction

二维码有效期 120s

摘要目的:评估在线通用自然语言处理(natural language processing,NLP)模型基于病理报告对宫颈癌患者进行分期诊断及中高危风险因素提取的准确性和输出稳定性.方法:回顾性选取2022年1月至2023年12月期间在上海市第一人民医院行术后辅助放疗的65例宫颈癌患者的手术病理报告,将其分别输入2种在线NLP模型Kimi和ChatGPT-4o,并记录2者输出的分期诊断结果.然后,将上述分期诊断结果划分为3类并打分:正确(2分)、基本正确(1分)和错误(0分),每例病理报告重复测试5次以评估Kimi和ChatGPT-4o输出结果的稳定性,并比较NLP模型与临床医师在宫颈癌分期诊断结果上的一致性.采用提示性提问测试Kimi从宫颈癌患者的病理报告中提取中高危风险因素的能力.结果:2种在线NLP模型输出的分期诊断结果与临床医师做出的分期诊断结果之间无统计学差异(x2=5.740,P=0.057).Kimi和ChatGPT-4o分别输出56例和47例正确、6例和15例基本正确、3例和3例错误的分期诊断结果;2者平均得分分别是7.08±2.70和7.97±2.97,差异具有统计学意义(P=0.040).在65例宫颈癌患者、共计390项风险因素的提取测试中,Kimi仅出现3次假阳性判断结果,其余均识别正确.结论:在线通用NLP模型能够稳定输出与临床医师诊断精度相近的宫颈癌分期结果,并在提示性提问的辅助下,可准确提取宫颈癌患者病理报告中的中高危因素,展现出良好的临床应用潜力.