طور باحثو سجل سرطان كولومبيا البريطانية إطار عمل يستخدم التعلم متعدد الأمثلة القائم على الانتباه (ABMIL) لتدريب مصنّفات التعلم العميق لتصنيف مجموعات الأورام دون الحاجة إلى تعليقات بشرية لكل تقرير. تستفيد الطريقة من التسميات التشغيلية الروتينية على مستوى المريض لاستخلاص مجموعة بيانات ضخمة ذات تسميات مشوشة إلى مجموعة تدريب مدمجة وعالية الجودة لكل تقرير باستخدام آليات الانتباه لاستعادة الرابط بين المرضى وتقاريرهم المرضية.
- تستخدم النهج ABMIL لسد الفجوة بين التسميات على مستوى المريض والتقارير المرضية الفردية.
- حقق مصنف تم ضبطه بدقة على المجموعة المستخلصة دقة F1 ماكرو تبلغ 0.83.
- تفوق هذا الأداء على الخطوط الأساسية الراسخة عبر معظم مجموعات الأورام.
- يقوم الإطار بأتمتة سير عمل سجلات السرطان دون حاجة إلى تعليقات إضافية أو بنية تحتية حاسوبية واسعة النطاق.
من خلال تحويل التسميات التشغيلية الروتينية إلى بيانات تدريب عالية الجودة، يوفر ABMIL مساراً عملياً وسهل الوصول لأتمتة مهام الترميز كثيفة العمالة في سجلات السرطان.