گزارش‌های رادیولوژی نقش حیاتی در ارتباط بین متخصصان رادیولوژی و سایر پزشکان دارند و اطلاعات مهمی را برای مراقبت از بیمار ارائه می‌دهند. استفاده از این اطلاعات در پژوهش‌ها و برنامه‌های مراقبت خودکار از بیمار، نیازمند تبدیل متن خام به داده‌های ساختارمند و قابل تحلیل است. در این مقاله، به بررسی روشی نوین برای استخراج اطلاعات کلیدی از گزارش‌های رادیولوژی پستان با استفاده از مدل‌های زبانی پیشرفته و تکنیک‌های بخش‌بندی پرداخته می‌شود.

این مقاله توسط Grey Kuling، Belinda Curpen و Anne L. Martel به رشته تحریر درآمده است. این پژوهش در زمینه‌های پردازش زبان طبیعی و هوش مصنوعی انجام شده و بر روی کاربرد این حوزه‌ها در تحلیل گزارش‌های پزشکی متمرکز است. تخصص نویسندگان در این زمینه‌ها، به اعتبار و ارزش علمی این تحقیق می‌افزاید.

هدف اصلی این تحقیق، توسعه و ارزیابی یک مدل یادگیری عمیق مبتنی بر معماری BERT (Bidirectional Encoder Representations from Transformers) برای بخش‌بندی گزارش‌های رادیولوژی پستان و استخراج اطلاعات کلیدی از آن‌ها است. نویسندگان یک مدل BERT را با استفاده از مجموعه داده‌ای از گزارش‌های رادیولوژی پستان آموزش داده‌اند و سپس از این مدل برای بخش‌بندی جملات گزارش‌ها به بخش‌های اطلاعاتی مختلف مطابق با سیستم گزارش‌دهی و داده‌پردازی تصویربرداری پستان (BI-RADS) استفاده کرده‌اند.

نتایج نشان می‌دهد که مدل پیشنهادی، با دقت بسیار بالایی قادر به بخش‌بندی گزارش‌ها و استخراج اطلاعات مهمی مانند نوع تصویربرداری، سابقه سرطان، وضعیت یائسگی، هدف از انجام تصویربرداری، تراکم پستان و تقویت پارانشیم زمینه‌ای در MRI پستان است. این رویکرد، بهبود قابل توجهی را نسبت به روش‌های سنتی پردازش زبان طبیعی و مدل‌های BERT استاندارد بدون استفاده از بخش‌بندی ارائه می‌دهد.

به طور خلاصه، این مقاله نشان می‌دهد که استفاده از مدل‌های BERT آموزش‌دیده بر روی داده‌های پزشکی خاص و ترکیب آن با تکنیک‌های بخش‌بندی می‌تواند به طور چشمگیری دقت و کارایی استخراج اطلاعات از گزارش‌های رادیولوژی را افزایش دهد.

روش‌شناسی این تحقیق شامل چند مرحله کلیدی است:

1. آماده‌سازی داده‌ها: جمع‌آوری و پاکسازی مجموعه داده‌ای بزرگ از گزارش‌های رادیولوژی پستان. این داده‌ها به عنوان مبنایی برای آموزش مدل BERT مورد استفاده قرار گرفته‌اند.
2. پیش‌آموزش مدل BERT: آموزش یک مدل BERT از ابتدا بر روی مجموعه داده‌های گزارش رادیولوژی پستان. این مرحله باعث می‌شود که مدل، درک بهتری از زبان تخصصی مورد استفاده در این گزارش‌ها پیدا کند. این مدل را BI-RADS BERT نامیده‌اند.
3. توسعه مدل بخش‌بندی: ایجاد یک مدل طبقه‌بندی که از خروجی‌های مدل BERT به همراه ویژگی‌های متنی کمکی برای بخش‌بندی جملات گزارش‌ها به بخش‌های مختلف BI-RADS استفاده می‌کند. ویژگی های متنی کمکی شامل اطلاعاتی مانند طول جمله، کلمات کلیدی و ساختار دستوری جمله است.
4. ارزیابی مدل بخش‌بندی: سنجش دقت مدل بخش‌بندی در تفکیک جملات به بخش‌های اطلاعاتی مختلف BI-RADS.
5. ارزیابی استخراج اطلاعات: بررسی این موضوع که آیا استفاده از بخش‌بندی گزارش‌ها، به بهبود دقت استخراج اطلاعات کلیدی از آن‌ها کمک می‌کند یا خیر. برای این منظور، از مدل BERT پیش‌آموزش‌دیده به همراه اطلاعات بخش‌بندی برای استخراج فیلدهای اطلاعاتی مختلف استفاده شده و نتایج با مدل‌های بدون بخش‌بندی مقایسه شده است.

به عنوان مثال، در مرحله بخش‌بندی، جملاتی مانند “توده در ربع فوقانی خارجی پستان راست مشاهده شد” در بخش “یافته‌ها” و جملاتی مانند “توصیه می‌شود پیگیری با سونوگرافی در شش ماه آینده انجام شود” در بخش “توصیه‌ها” قرار می‌گیرند.

مهم‌ترین یافته‌های این تحقیق عبارتند از:

• مدل BI-RADS BERT پیشنهادی، با دقت ۹۸٪ قادر به بخش‌بندی گزارش‌های رادیولوژی پستان به بخش‌های مختلف BI-RADS است. این میزان دقت، بهبود قابل توجهی را نسبت به مدل‌های BERT استاندارد بدون اطلاعات کمکی نشان می‌دهد.
• استفاده از مدل BI-RADS BERT به همراه بخش‌بندی، منجر به افزایش چشمگیر دقت در استخراج اطلاعات کلیدی از گزارش‌ها شده است. به طور خاص، دقت کلی در استخراج فیلدهای اطلاعاتی مختلف به ۹۵.۹٪ رسیده است که ۱۷٪ بالاتر از دقت مدل‌های بدون بخش‌بندی (۷۸.۹٪) است.
• این نتایج نشان می‌دهد که آموزش مدل‌های زبانی بر روی داده‌های تخصصی یک حوزه خاص (مانند گزارش‌های رادیولوژی) و ترکیب آن با تکنیک‌های بخش‌بندی، می‌تواند به طور قابل توجهی کارایی پردازش زبان طبیعی در آن حوزه را افزایش دهد.

به عنوان مثال، مدل پیشنهادی به طور دقیق می‌تواند سابقه سرطان قبلی بیمار را از جمله “بیمار سابقه سرطان پستان در سال ۱۳۹۵ داشته است” استخراج کند، در حالی که مدل‌های سنتی ممکن است در تشخیص این اطلاعات با مشکل مواجه شوند.

دستاوردها و کاربردهای بالقوه این تحقیق بسیار گسترده هستند:

• بهبود کارایی و دقت در تشخیص و درمان سرطان پستان: با استخراج دقیق و سریع اطلاعات از گزارش‌های رادیولوژی، پزشکان می‌توانند تصمیمات درمانی بهتری اتخاذ کنند و فرآیند تشخیص را تسریع بخشند.
• کاهش خطاهای انسانی: استخراج خودکار اطلاعات، احتمال بروز خطا ناشی از تفسیر نادرست گزارش‌ها را کاهش می‌دهد.
• ایجاد پایگاه داده‌های ساختارمند و قابل جستجو: تبدیل گزارش‌های متنی به داده‌های ساختارمند، امکان ایجاد پایگاه داده‌های جامع و قابل جستجو را فراهم می‌کند که می‌تواند در تحقیقات بالینی و توسعه روش‌های درمانی جدید مورد استفاده قرار گیرد.
• توسعه سیستم‌های پشتیبانی تصمیم‌گیری بالینی: اطلاعات استخراج شده می‌تواند به عنوان ورودی برای سیستم‌های پشتیبانی تصمیم‌گیری بالینی مورد استفاده قرار گیرد و به پزشکان در انتخاب بهترین روش درمانی برای هر بیمار کمک کند.
• اتوماسیون فرآیندهای اداری: استخراج خودکار اطلاعات می‌تواند در اتوماسیون فرآیندهای اداری مانند کدگذاری و ثبت اطلاعات بیماران در پرونده‌های الکترونیکی کمک کند.

به عنوان مثال، یک سیستم پشتیبانی تصمیم‌گیری بالینی می‌تواند با استفاده از اطلاعات استخراج شده از گزارش‌های رادیولوژی، احتمال خطر ابتلا به سرطان پستان را در یک بیمار خاص تخمین بزند و توصیه‌هایی برای انجام غربالگری‌های بیشتر ارائه دهد.

این مقاله نشان داد که استفاده از مدل‌های BERT آموزش‌دیده بر روی داده‌های تخصصی پزشکی و ترکیب آن با تکنیک‌های بخش‌بندی، روشی قدرتمند برای استخراج اطلاعات از گزارش‌های رادیولوژی است. این رویکرد، بهبود قابل توجهی را در دقت و کارایی استخراج اطلاعات نسبت به روش‌های سنتی ارائه می‌دهد و می‌تواند در طیف گسترده‌ای از کاربردهای بالینی و تحقیقاتی مورد استفاده قرار گیرد. با توسعه بیشتر این تکنولوژی، می‌توان انتظار داشت که شاهد تحولات بزرگی در زمینه مراقبت از بیمار و مدیریت داده‌های پزشکی باشیم. این پژوهش گامی مهم در جهت استفاده از هوش مصنوعی برای بهبود سلامت جامعه است.