Investigadores del Registro de Cáncer de BC desarrollaron un marco que utiliza Aprendizaje de Múltiples Instancias Basado en Atención (ABMIL) para entrenar clasificadores de aprendizaje profundo para la clasificación de grupos tumorales sin requerir anotación humana por informe. El método aprovecha las etiquetas operativas rutinarias a nivel de paciente para destilar un corpus grande y ruidosamente etiquetado en un conjunto de entrenamiento compacto y de alta calidad por informe, utilizando mecanismos de atención para recuperar el vínculo entre los pacientes y sus informes patológicos.
- El enfoque utiliza ABMIL para cerrar la brecha entre las etiquetas a nivel de paciente y los informes patológicos individuales.
- Un clasificador ajustado finamente en el conjunto destilado logró una F1 macro de 0.83.
- Este rendimiento supera a las líneas base establecidas en la mayoría de los grupos tumorales.
- El marco automatiza los flujos de trabajo del registro de cáncer sin anotación adicional ni infraestructura informática a gran escala.
Al convertir las etiquetas operativas rutinarias en datos de entrenamiento de alta calidad, ABMIL ofrece una ruta práctica y accesible para automatizar tareas de codificación intensivas en mano de obra en los registros de cáncer.