เกิดอะไรขึ้น
ทีมวิจัยที่นำโดยมหาวิทยาลัยมินนิโซตาได้แสดงให้เห็นว่าไปป์ไลน์การรู้จำอักขระด้วยแสงแบบโอเพ่นซอร์ส (OCR) แบบไฮบริดสามารถดึงคะแนนการเกิดซ้ำของจีโนมได้อย่างแม่นยำจากรายงานมะเร็งเต้านม Oncotype DX ที่สแกน การศึกษาซึ่งตีพิมพ์ใน Cancer Causes & Control ใช้การผสมผสานระหว่างเครื่องมือ Tesseract และ EasyOCR เพื่อประมวลผลรายงาน 675 ฉบับ ซึ่งบรรลุอัตราการตกลงกันได้ 97% ด้วยระบบนามธรรมของมนุษย์ ระบบอัตโนมัติมีประสิทธิภาพเหนือกว่าความเร็วของการลงรายการทะเบียนด้วยตนเองแบบเดิมอย่างมาก ซึ่งมักเผชิญกับความล่าช้า 12 ถึง 18 เดือน
ทีมวิจัย ซึ่งรวมถึงเฉียนยุน ลั่ว และสเคโลโม มาร์มอร์ ได้พัฒนาไปป์ไลน์ 'hybrid OCR' (H-OCR) เพื่อจัดการกับความล่าช้าในการลงทะเบียนมะเร็ง ผลการทดสอบจีโนม เช่น คะแนนการเกิดซ้ำของ Oncotype DX มักถูกจัดเก็บไว้ในบันทึกสุขภาพอิเล็กทรอนิกส์ (EHR) ในรูปแบบรูปภาพสแกนที่ไม่มีโครงสร้าง แทนที่จะเป็นข้อมูลที่เครื่องอ่านได้ โดยต้องมีการถอดเสียงด้วยตนเอง
ไปป์ไลน์ H-OCR ใช้ EasyOCR สำหรับการตรวจจับข้อความแบบการเรียนรู้เชิงลึก และใช้ Tesseract เป็นเครื่องมือสำรองสำหรับการรู้จำอักขระ วิธีการแบบไฮบริดนี้ได้รับการออกแบบเพื่อใช้ประโยชน์จากความสามารถของ EasyOCR ในการแปลคำอธิบายประกอบแบบวงกลมในรายงาน ขณะเดียวกันก็ใช้ความเร็วและความสามารถในการจดจำอักขระของ Tesseract
ในชุดการตรวจสอบความถูกต้องของรายงาน 675 ฉบับ ไปป์ไลน์ H-OCR บรรลุข้อตกลง 97% ด้วยมาตรฐานอ้างอิงแบบแมนนวล ซึ่งมีประสิทธิภาพเหนือกว่าอัตราความแม่นยำ 91% ของนามธรรมการลงทะเบียนทั่วไป กระบวนการอัตโนมัติทำงานเสร็จสิ้นภายในเวลาประมาณ 4.9 ชั่วโมง เมื่อเทียบกับความล่าช้านานหลายเดือนตามแบบฉบับของขั้นตอนการทำงานด้วยตนเองในปัจจุบัน
การศึกษาพบว่าคะแนนความเชื่อมั่นของไปป์ไลน์สามารถระบุข้อผิดพลาดที่อาจเกิดขึ้นได้อย่างมีประสิทธิภาพ โดยแนะนำว่าการใช้งานในอนาคตอาจใช้คะแนนเหล่านี้เพื่อระบุการแยกข้อมูลที่ไม่แน่นอนสำหรับการตรวจสอบโดยมนุษย์ ซึ่งจะช่วยลดความเสี่ยงของการจัดประเภทที่ผิดพลาดที่มีนัยสำคัญทางคลินิกให้เหลือน้อยที่สุด
รายละเอียดที่มา: bioengineer.org ↗
ทำไมมันถึงสำคัญ
การพึ่งพาการถอดความข้อมูลจีโนมด้วยตนเองในปัจจุบันทำให้เกิดปัญหาคอขวดที่สำคัญในการวิจัยโรคมะเร็งและวิทยาด้านเนื้องอกวิทยาที่มีความแม่นยำ ด้วยการดึงข้อมูลที่มีโครงสร้างจาก PDF ที่ไม่มีโครงสร้างโดยอัตโนมัติ วิธีการแบบโอเพ่นซอร์สนี้ช่วยให้ระบบสุขภาพสามารถรวบรวมทะเบียนมะเร็งได้ในเวลาใกล้เคียงเรียลไทม์ การเปลี่ยนแปลงนี้มีความสำคัญอย่างยิ่งต่อการปรับปรุงคุณภาพของหลักฐานในโลกแห่งความเป็นจริง ช่วยให้การวิจัยประสิทธิภาพเชิงเปรียบเทียบเร็วขึ้น และการจัดเตรียมข้อมูลที่มีโครงสร้างที่จำเป็นในการฝึกอบรมโมเดล AI ในอนาคตในด้านเนื้องอกวิทยา เนื่องจากเครื่องมือเหล่านี้เป็นโอเพ่นซอร์สและสามารถทำงานภายในสภาพแวดล้อมที่สอดคล้องกับ HIPAA วิธีการนี้จึงนำเสนอโซลูชันราคาประหยัดและทำซ้ำได้สำหรับสถาบันที่มีทรัพยากรจำกัด เพื่อปรับปรุงโครงสร้างพื้นฐานข้อมูลให้ทันสมัยโดยไม่ต้องใช้ซอฟต์แวร์ที่เป็นกรรมสิทธิ์
ตัวบ่งชี้ทางชีวภาพทางจีโนมมีความจำเป็นสำหรับการตรวจวัดด้านเนื้องอกวิทยาและคุณภาพที่แม่นยำ แต่ปัจจุบันประโยชน์ใช้สอยของตัวบ่งชี้ดังกล่าวยังถูกจำกัดด้วยเวลาที่ใช้ในการทำให้พร้อมใช้งานในฐานข้อมูลการวิจัย การลดเวลาแฝงนี้ช่วยให้สร้างหลักฐานได้ทันเวลามากขึ้น
การใช้เครื่องมือโอเพ่นซอร์ส เช่น Tesseract และ EasyOCR ช่วยให้มั่นใจได้ว่าโซลูชันจะสามารถเข้าถึงได้โดยศูนย์มะเร็งขนาดเล็กหรือที่มีทรัพยากรจำกัด ซึ่งอาจขาดงบประมาณสำหรับซอฟต์แวร์สกัดข้อมูลทางการแพทย์ราคาแพงที่เป็นกรรมสิทธิ์
การศึกษาแสดงให้เห็นว่าประโยชน์ของการจับแบบอัตโนมัตินี้สามารถนำไปใช้ได้อย่างกว้างขวางกับประชากรผู้ป่วยที่หลากหลาย เนื่องจากนักวิจัยพบว่าข้อมูลประชากรและปัจจัยทางคลินิกของผู้ป่วยไม่ได้ทำนายข้อผิดพลาดในการสกัดอย่างมีนัยสำคัญ
ไปป์ไลน์นี้มอบข้อมูลระยะยาวคุณภาพสูงที่จำเป็นสำหรับการฝึกอบรมและปรับแต่งโมเดล AI และการเรียนรู้ของเครื่องจักรในอนาคตในด้านเนื้องอกวิทยาด้วยการแปลงออบเจ็กต์ไบนารีที่ไม่มีโครงสร้างให้เป็นข้อมูลที่มีโครงสร้าง
กลไกเชิงโต้ตอบ: มันทำงานอย่างไร
สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ
Which component of an AI application is the machine-learning model itself?
จะดูอะไรต่อไป.
การวิจัยในอนาคตจะต้องจัดการกับความสามารถในการปรับขนาดของไปป์ไลน์นี้ให้เกินกว่ารูปแบบ Oncotype DX ที่เป็นมาตรฐาน ผู้เขียนตั้งข้อสังเกตว่ารายงานลำดับถัดไปของโซมาติก ซึ่งแสดงให้เห็นถึงความแตกต่างที่มากขึ้นระหว่างผู้จำหน่าย นำเสนอความท้าทายที่ซับซ้อนมากขึ้นสำหรับการสกัดแบบอัตโนมัติ นอกจากนี้ ในขณะที่การศึกษาได้ตรวจสอบไปป์ไลน์กับชุดข้อมูลย้อนหลัง การทดสอบในอนาคตภายในเวิร์กโฟลว์การลงทะเบียนทางคลินิกแบบสดนั้นจำเป็นเพื่อยืนยันความน่าเชื่อถือในสภาพแวดล้อมจริงที่มีปริมาณมาก
นักวิจัยระบุอย่างชัดเจนถึงความจำเป็นในการทดสอบไปป์ไลน์กับประเภทเอกสารที่ต่างกันมากขึ้น เช่น รายงานลำดับถัดไปของโซมาติก ซึ่งจะแตกต่างกันอย่างมีนัยสำคัญตามผู้จำหน่ายและรูปแบบ
การศึกษานี้ดำเนินการในระบบสุขภาพเดียว งานในอนาคตจะต้องประเมินประสิทธิภาพของไปป์ไลน์ในสถาบันต่างๆ เพื่อให้แน่ใจว่ายังคงแข็งแกร่งเมื่อเทียบกับคุณภาพการสแกน ความละเอียดแฟกซ์ และการกำหนดค่า EHR ที่แตกต่างกัน
การบูรณาการในอนาคตเข้ากับเวิร์กโฟลว์การลงทะเบียนสดเป็นขั้นตอนถัดไปในการพิจารณาว่าระบบจะรักษาความแม่นยำและประสิทธิภาพไว้หรือไม่เมื่อประมวลผลข้อมูลทางคลินิกที่เข้ามาแบบเรียลไทม์