در عصر حاضر، حجم عظیمی از داده‌های پزشکی در قالب متن‌های آزاد، مانند گزارش‌های رادیولوژی، تولید می‌شود. این گزارش‌ها حاوی اطلاعات ارزشمندی هستند که می‌توانند در بهبود تشخیص، درمان و پژوهش‌های پزشکی نقش بسزایی ایفا کنند. با این حال، استفاده مؤثر از این اطلاعات مستلزم استخراج و ساختاربندی آنها است. مقاله حاضر با عنوان “RadGraph: استخراج موجودیت‌ها و روابط بالینی از گزارش‌های رادیولوژی” به ارائه یک رویکرد جدید برای این منظور می‌پردازد.

استخراج اطلاعات ساختاریافته از گزارش‌های رادیولوژی متنی، امکان استفاده از این اطلاعات در کاربردهای حیاتی مراقبت‌های بهداشتی را فراهم می‌کند. به عنوان مثال، می‌توان از این اطلاعات برای ایجاد پایگاه‌های داده جامع از یافته‌های رادیولوژی، توسعه سیستم‌های پشتیبانی تصمیم‌گیری بالینی و بهبود کیفیت گزارش‌نویسی رادیولوژیست‌ها استفاده کرد.

این مقاله توسط تیمی از محققان برجسته در زمینه‌های پردازش زبان طبیعی (NLP)، یادگیری ماشین و رادیولوژی به نگارش درآمده است. نویسندگان اصلی مقاله عبارتند از: Saahil Jain, Ashwin Agrawal, Adriel Saporta, Steven QH Truong, Du Nguyen Duong, Tan Bui, Pierre Chambon, Yuhao Zhang, Matthew P. Lungren, Andrew Y. Ng, Curtis P. Langlotz, Pranav Rajpurkar. حضور نام‌های شناخته‌شده‌ای مانند Andrew Y. Ng نشان‌دهنده اعتبار و اهمیت این تحقیق است.

این تحقیق در تقاطع حوزه‌های پردازش زبان طبیعی، هوش مصنوعی، بازیابی اطلاعات و یادگیری ماشین انجام شده است. هدف اصلی، توسعه روشی برای استخراج خودکار و دقیق اطلاعات کلیدی از گزارش‌های رادیولوژی است که بتواند در کاربردهای مختلف بالینی و پژوهشی مورد استفاده قرار گیرد.

این مقاله یک مجموعه داده جدید با نام RadGraph را معرفی می‌کند که شامل موجودیت‌ها و روابط موجود در گزارش‌های رادیولوژی ریه با متن کامل است. این مجموعه داده بر اساس یک طرح استخراج اطلاعات نوین طراحی شده است که به منظور ساختاربندی گزارش‌های رادیولوژی ایجاد شده است.

به طور خلاصه، مقاله حاضر به ارائه موارد زیر می‌پردازد:

• معرفی مجموعه داده RadGraph حاوی اطلاعات استخراج شده از گزارش‌های رادیولوژی ریه.
• ارائه یک طرح استخراج اطلاعات جدید برای ساختاربندی گزارش‌های رادیولوژی.
• ارائه یک مجموعه داده توسعه که شامل حاشیه‌نویسی‌های رادیولوژیست‌های مجرب برای 500 گزارش رادیولوژی از مجموعه داده MIMIC-CXR است (14579 موجودیت و 10889 رابطه).
• ارائه یک مجموعه داده آزمایش که شامل دو مجموعه مستقل از حاشیه‌نویسی‌های رادیولوژیست‌های مجرب برای 100 گزارش رادیولوژی است که به طور مساوی بین مجموعه‌های داده MIMIC-CXR و CheXpert تقسیم شده‌اند.
• آموزش و آزمایش یک مدل یادگیری عمیق با نام RadGraph Benchmark که به ترتیب در مجموعه داده‌های آزمایشی MIMIC-CXR و CheXpert به میکرو F1 معادل 0.82 و 0.73 در استخراج روابط دست می‌یابد.
• ارائه یک مجموعه داده استنتاج که شامل حاشیه‌نویسی‌های تولید شده به طور خودکار توسط RadGraph Benchmark در 220763 گزارش MIMIC-CXR (حدود 6 میلیون موجودیت و 4 میلیون رابطه) و 500 گزارش CheXpert (13783 موجودیت و 9908 رابطه) با نگاشت به رادیوگرافی‌های قفسه سینه مرتبط است.

این مجموعه داده به صورت آزادانه در دسترس است و می‌تواند تحقیقات گسترده‌ای را در زمینه‌های پردازش زبان طبیعی پزشکی، بینایی کامپیوتر و یادگیری چندوجهی با اتصال به رادیوگرافی‌های قفسه سینه تسهیل کند.

روش‌شناسی تحقیق در این مقاله شامل چند مرحله کلیدی است:

1. طراحی طرح استخراج اطلاعات: نویسندگان یک طرح استخراج اطلاعات جدید را طراحی کردند که به طور خاص برای گزارش‌های رادیولوژی مناسب است. این طرح شامل تعریف انواع مختلف موجودیت‌ها (مانند یافته‌های بالینی، آناتومی و …) و روابط بین آنها (مانند “محل قرارگیری”، “شدت” و …) می‌شود. به عنوان مثال، یک موجودیت می‌تواند “پنومونی” باشد و رابطه آن با موجودیت “لوب تحتانی ریه راست” می‌تواند “محل قرارگیری” باشد.
2. ایجاد مجموعه داده: با استفاده از طرح استخراج اطلاعات طراحی شده، نویسندگان یک مجموعه داده بزرگ از گزارش‌های رادیولوژی ریه را حاشیه‌نویسی کردند. این حاشیه‌نویسی‌ها توسط رادیولوژیست‌های مجرب انجام شد و شامل برچسب‌گذاری موجودیت‌ها و روابط موجود در گزارش‌ها بود.
3. آموزش مدل یادگیری عمیق: پس از ایجاد مجموعه داده، نویسندگان یک مدل یادگیری عمیق (RadGraph Benchmark) را برای استخراج خودکار موجودیت‌ها و روابط آموزش دادند. این مدل از معماری‌های پیشرفته پردازش زبان طبیعی بهره می‌برد و برای این کار بهینه‌سازی شده است.
4. ارزیابی مدل: عملکرد مدل آموزش‌دیده بر روی مجموعه داده‌های آزمایشی ارزیابی شد. معیار ارزیابی اصلی، میکرو F1 بود که یک معیار رایج برای ارزیابی عملکرد مدل‌های استخراج اطلاعات است.
5. ایجاد مجموعه داده استنتاج: در نهایت، مدل آموزش‌دیده برای استخراج خودکار اطلاعات از حجم عظیمی از گزارش‌های رادیولوژی استفاده شد و یک مجموعه داده استنتاج بزرگ ایجاد گردید.

یافته‌های کلیدی این تحقیق به شرح زیر است:

• مجموعه داده RadGraph یک منبع ارزشمند برای تحقیقات در زمینه پردازش زبان طبیعی پزشکی است.
• مدل RadGraph Benchmark به عملکرد قابل قبولی در استخراج موجودیت‌ها و روابط از گزارش‌های رادیولوژی دست یافته است.
• مجموعه داده استنتاج می‌تواند به توسعه کاربردهای مختلف در زمینه مراقبت‌های بهداشتی کمک کند.
• مدل RadGraph Benchmark در مجموعه داده MIMIC-CXR به میکرو F1 معادل 0.82 و در مجموعه داده CheXpert به میکرو F1 معادل 0.73 در استخراج روابط دست یافت. این نتایج نشان‌دهنده عملکرد خوب مدل در استخراج روابط بین موجودیت‌های مختلف در گزارش‌های رادیولوژی است.

به عنوان مثال، این مدل می‌تواند به طور خودکار تشخیص‌هایی مانند “آمفیزم” یا “ادم ریوی” را از گزارش‌ها استخراج کند و روابط آنها را با محل قرارگیری (مثلاً “لوب فوقانی ریه”) و شدت (مثلاً “خفیف” یا “شدید”) مشخص نماید.

دستاوردها و کاربردهای این تحقیق بسیار گسترده و متنوع هستند. برخی از مهم‌ترین آنها عبارتند از:

• بهبود تشخیص و درمان: اطلاعات استخراج شده از گزارش‌های رادیولوژی می‌تواند در تشخیص دقیق‌تر و سریع‌تر بیماری‌ها به پزشکان کمک کند. همچنین، این اطلاعات می‌تواند در انتخاب روش‌های درمانی مناسب‌تر و ارزیابی اثربخشی درمان‌ها مورد استفاده قرار گیرد.
• توسعه سیستم‌های پشتیبانی تصمیم‌گیری بالینی: اطلاعات ساختاریافته از گزارش‌های رادیولوژی می‌تواند در توسعه سیستم‌های پشتیبانی تصمیم‌گیری بالینی مورد استفاده قرار گیرد. این سیستم‌ها می‌توانند به پزشکان در تصمیم‌گیری‌های پیچیده بالینی کمک کنند و از خطاهای پزشکی جلوگیری نمایند.
• بهبود کیفیت گزارش‌نویسی رادیولوژیست‌ها: با استفاده از اطلاعات استخراج شده از گزارش‌های رادیولوژی، می‌توان الگوهای رایج در گزارش‌نویسی را شناسایی کرده و به رادیولوژیست‌ها در بهبود کیفیت گزارش‌نویسی کمک کرد.
• تحقیقات پزشکی: مجموعه داده RadGraph می‌تواند به محققان در انجام تحقیقات مختلف در زمینه بیماری‌های ریوی و سایر زمینه‌های پزشکی کمک کند.
• توسعه مدل‌های یادگیری ماشین: مجموعه داده RadGraph می‌تواند به عنوان یک معیار برای ارزیابی و مقایسه مدل‌های مختلف یادگیری ماشین مورد استفاده قرار گیرد.
• یکپارچه‌سازی با سایر داده‌های پزشکی: اطلاعات استخراج شده از گزارش‌های رادیولوژی می‌تواند با سایر داده‌های پزشکی، مانند سوابق پزشکی الکترونیکی و تصاویر پزشکی، یکپارچه شود تا یک دید جامع‌تر از وضعیت سلامت بیمار ارائه دهد.

مقاله “RadGraph: استخراج موجودیت‌ها و روابط بالینی از گزارش‌های رادیولوژی” یک گام مهم در جهت استفاده مؤثر از اطلاعات موجود در گزارش‌های رادیولوژی است. ارائه مجموعه داده RadGraph و مدل RadGraph Benchmark، امکان استخراج خودکار و دقیق اطلاعات کلیدی از این گزارش‌ها را فراهم می‌کند و راه را برای توسعه کاربردهای مختلف در زمینه مراقبت‌های بهداشتی هموار می‌سازد. این تحقیق با ارائه یک منبع داده ارزشمند و یک مدل قابل اعتماد، به پیشرفت تحقیقات در زمینه‌های پردازش زبان طبیعی پزشکی، بینایی کامپیوتر و یادگیری چندوجهی کمک شایانی خواهد کرد.

در نهایت، این مقاله نشان می‌دهد که با استفاده از تکنیک‌های پردازش زبان طبیعی و یادگیری ماشین، می‌توان اطلاعات ارزشمندی را از متون پزشکی استخراج کرد و از آن در بهبود تشخیص، درمان و پژوهش‌های پزشکی استفاده نمود. انتظار می‌رود که نتایج این تحقیق تأثیر بسزایی در آینده مراقبت‌های بهداشتی داشته باشد.