May, 2023

Text2Cohort: 使用自然语言发现队列，实现民主化的NCI成像数据共享计划

HTML
PDF
TL;DR通过大型语言模型自然语言处理的方法，Text2Cohort工具成功解决了使用Imaging Data Commons数据库进行同行发现和访问的难度问题，能够大大拓展医学影像研究的应用领域。
发现论文，激发创造
  • PubMed概要中疾病提及标注的微任务众包

    通过研究发现，微任务众包平台能够有效地捕捉PubMed文摘中的疾病提及，并通过专家投票方法将多个工作者的注释合并，生成BioNLP领域中完全标注的语料库。

    Aug, 2014

  • 大规模结构化现实世界数据的研究: 利用患者级监督的深度学习从临床文本中提取关键肿瘤信息

    本文介绍了使用自然语言处理技术和基于深度学习的方法处理医学记录中的实际数据，通过利用医学注册处重点患者信息的导向监督，并结合领域特定的预训练、递归神经网络和分层注意的方法，实现了在医疗系统中具有可伸缩性的实证研究。

    Mar, 2022

  • NCI成像数据共享平台：在计算病理学中实现可重复研究

    通过实现FAIR（持久性识别，可发现性，可访问性和重用性）原则，NCI IDC建立了一个公共图像库，其中包含多个癌症图像收集，该图像库可用于云端的ML服务，从而实现了CompPath研究的可重复复性。

    Mar, 2023

  • LeafAI: 临床队列发现的查询生成器，可与人类程序员媲美

    利用深度学习和基于规则的模块生成具有新颖逻辑推理能力的、数据模型非相关性和基于UMLS（Unified Medical Language System）的数据库查询方法，以帮助临床研究中的受试者筛选。使用LeafAI系统的查询结果表明，与人类数据库程序员相比，其找到的适宜受试者占比更高。

    Apr, 2023

  • CohortGPT: 临床研究参与者招募的增强型GPT

    通过使用知识图谱作为辅助信息来指导大型语言模型在疾病标签分类的任务中进行预测，在少量数据情况下，我们提出的少样本学习方法相比微调策略表现出令人满意的性能和超强的优势。

    Jul, 2023

  • CohortNet：用于可解释的医疗保健分析的患者群体发现

    提出了CohortNet，一种用于可解释的医疗分析的自动化队研究模型，通过学习细粒度患者表征、发现并利用充满医学意义模式的群体，来为特定患者提供更全面的理解。

    Jun, 2024

  • ACR：自动队友检索基准

    自动检索病例组是许多医疗任务的基础，本文引入了一种新的任务——自动检索病例组，并评估了大型语言模型和领域特定的神经符号方法的性能。

    Jun, 2024

  • 语言模型与检索增强生成用于自动化结构化数据提取的诊断报告

    本研究针对从非结构化放射学和病理学报告中提取结构化临床信息的难题，提出了一种基于开放权重大语言模型和检索增强生成的自动化系统。研究发现，医疗领域精细调整的模型在提取准确性方面表现优异，达到98%以上，这一方法显示出在医疗数据提取中实现人机协作的潜力。

    Sep, 2024

  • 利用语言模型和检索增强生成技术从诊断报告中自动提取结构化数据

    本研究旨在开发一个自动化系统，从非结构化的放射学和病理学报告中提取结构化临床信息，解决了当前信息提取的准确性和有效性问题。研究利用开源大语言模型和检索增强生成技术，发现新型和领域微调模型在提取准确性上表现优异，最佳模型在提取BT-RADS评分和IDH突变状态时均达到了高于90%的准确率。这一成果为医疗数据提取提供了可靠的方法，强调了人机协作的潜力。

    Sep, 2024

  • 结合特定领域模型和大型语言模型自动化病症表型分析的研究

    本研究解决了如何有效准确地将日益增长的调查数据与标准化疾病本体相结合的问题。通过将专门的生物医学命名实体识别模型BERN2与大型语言模型结合，该研究发现整合后可显著提高疾病信息提取的准确性，尤其是使用少量推理和检索增强生成的方法。此方法为开发能够高效筛选和整合大规模异质研究数据集的工具提供了新途径。

    Oct, 2024