Apa yang berlaku
Pasukan penyelidik yang diketuai oleh Universiti Minnesota telah menunjukkan bahawa saluran paip pengecaman aksara optik sumber terbuka (OCR) hibrid boleh mengekstrak skor berulang genomik dengan tepat daripada laporan kanser payudara Oncotype DX yang diimbas. Kajian yang diterbitkan dalam Punca & Kawalan Kanser, menggunakan gabungan enjin Tesseract dan EasyOCR untuk memproses 675 laporan, mencapai kadar persetujuan 97% dengan abstraksi manusia manual. Sistem automatik mengatasi dengan ketara kelajuan kemasukan pendaftaran manual tradisional, yang sering menghadapi kelewatan 12 hingga 18 bulan.
Pasukan penyelidik, termasuk Qianyun Luo dan Schelomo Marmor, membangunkan saluran paip 'OCR hibrid' (H-OCR) untuk menangani kependaman dalam pendaftaran kanser. Keputusan ujian genomik, seperti skor ulangan Oncotype DX, sering disimpan dalam rekod kesihatan elektronik (EHR) sebagai imej imbasan tidak berstruktur dan bukannya data yang boleh dibaca mesin, yang memerlukan transkripsi manual.
Saluran paip H-OCR menggunakan EasyOCR untuk pengesanan teks berasaskan pembelajaran mendalam dan Tesseract sebagai enjin sandaran untuk pengecaman aksara. Pendekatan hibrid ini direka bentuk untuk memanfaatkan keupayaan EasyOCR untuk menyetempatkan anotasi bulatan pada laporan sambil menggunakan kelajuan dan keupayaan pengecaman watak Tesseract.
Dalam set pengesahan 675 laporan, saluran paip H-OCR mencapai persetujuan 97% dengan piawaian rujukan manual, mengatasi kadar ketepatan 91% pengabstrakan pendaftaran konvensional. Proses automatik menyelesaikan tugas dalam kira-kira 4.9 jam, berbanding dengan kelewatan selama berbulan-bulan biasa aliran kerja manual semasa.
Kajian mendapati bahawa skor keyakinan saluran paip mengenal pasti ralat berpotensi secara berkesan, menunjukkan bahawa pelaksanaan masa depan boleh menggunakan skor ini untuk menandakan pengekstrakan yang tidak pasti untuk semakan manusia, dengan itu meminimumkan risiko salah klasifikasi yang ketara secara klinikal.
Butiran sumber: bioengineer.org ↗
Mengapa ia penting
Pergantungan semasa pada transkripsi manual untuk data genomik mewujudkan kesesakan yang ketara dalam penyelidikan kanser dan onkologi ketepatan. Dengan mengautomasikan pengekstrakan data berstruktur daripada PDF tidak berstruktur, pendekatan sumber terbuka ini membolehkan sistem kesihatan mengisi pendaftaran kanser dalam hampir masa nyata. Anjakan ini penting untuk meningkatkan kualiti bukti dunia sebenar, membolehkan penyelidikan keberkesanan perbandingan yang lebih pantas, dan menyediakan data berstruktur yang diperlukan untuk melatih model AI masa depan dalam onkologi. Oleh kerana alatan tersebut adalah sumber terbuka dan boleh beroperasi dalam persekitaran yang mematuhi HIPAA, kaedah ini menawarkan penyelesaian kos rendah yang boleh diterbitkan semula untuk institusi yang dikekang sumber untuk memodenkan infrastruktur data mereka tanpa perisian proprietari.
Biomarker genomik adalah penting untuk onkologi ketepatan dan pengukuran kualiti, namun utiliti mereka kini terhad pada masa yang diperlukan untuk menjadikannya tersedia dalam pangkalan data penyelidikan. Mengurangkan kependaman ini membolehkan penjanaan bukti yang lebih tepat pada masanya.
Penggunaan alat sumber terbuka seperti Tesseract dan EasyOCR memastikan penyelesaian itu boleh diakses oleh pusat kanser yang lebih kecil atau terhad sumber yang mungkin kekurangan bajet untuk perisian pengekstrakan data perubatan proprietari yang mahal.
Kajian menunjukkan bahawa faedah penangkapan automatik ini digunakan secara meluas merentas populasi pesakit yang pelbagai, kerana penyelidik mendapati bahawa demografi pesakit dan faktor klinikal tidak meramalkan ralat pengekstrakan dengan ketara.
Dengan menukar objek binari tidak berstruktur kepada data berstruktur, saluran paip ini menyediakan data membujur berkualiti tinggi yang diperlukan untuk melatih dan menapis model pembelajaran mesin dan AI masa depan dalam ruang onkologi.
Mekanisme Interaktif: Bagaimana Ia Berfungsi Sebenarnya
Terokai teknologi asas di sebalik pembangunan ini secara interaktif.
Which component of an AI application is the machine-learning model itself?
Apa yang perlu ditonton seterusnya
Penyelidikan masa depan perlu menangani kebolehskalaan saluran paip ini melebihi format Oncotype DX yang standard. Penulis menyatakan bahawa laporan penjujukan generasi seterusnya somatik, yang mempamerkan kepelbagaian yang lebih besar di seluruh vendor, memberikan cabaran yang lebih kompleks untuk pengekstrakan automatik. Selain itu, sementara kajian itu mengesahkan saluran paip terhadap set data retrospektif, ujian prospektif dalam aliran kerja pendaftaran klinikal secara langsung diperlukan untuk mengesahkan kebolehpercayaannya dalam tetapan volum tinggi dunia sebenar.
Para penyelidik secara eksplisit mengenal pasti keperluan untuk menguji saluran paip pada jenis dokumen yang lebih heterogen, seperti laporan penjujukan generasi seterusnya somatik, yang berbeza dengan ketara mengikut vendor dan format.
Kajian itu dijalankan pada satu sistem kesihatan; kerja masa hadapan mesti menilai prestasi saluran paip merentas pelbagai institusi untuk memastikan ia kekal teguh terhadap variasi dalam kualiti imbasan, resolusi faks dan konfigurasi EHR yang berbeza.
Penyepaduan prospektif ke dalam aliran kerja pendaftaran langsung ialah langkah logik seterusnya untuk menentukan sama ada sistem mengekalkan ketepatan dan kecekapannya apabila memproses data klinikal yang masuk dalam masa nyata.