Peneliti di BC Cancer Registry mengembangkan kerangka kerja yang menggunakan Attention-Based Multiple Instance Learning (ABMIL) untuk melatih pengklasifikasi pembelajaran mendalam untuk klasifikasi kelompok tumor tanpa memerlukan anotasi manusia per laporan. Metode ini memanfaatkan label operasional rutin tingkat pasien untuk mendistilasi korpus berlabel berisik yang besar menjadi dataset pelatihan per laporan yang ringkas dan berkualitas tinggi dengan menggunakan mekanisme perhatian untuk memulihkan tautan antara pasien dan laporan patologi mereka.
- Pendekatan ini memanfaatkan ABMIL untuk menjembatani kesenjangan antara label tingkat pasien dan laporan patologi individu.
- Pengklasifikasi yang dituning halus pada dataset terdistilasi mencapai F1 makro sebesar 0,83.
- Kinerja ini mengungguli baseline yang telah mapan di sebagian besar kelompok tumor.
- Kerangka kerja ini mengotomatisasi alur kerja registri kanker tanpa anotasi tambahan atau infrastruktur komputasi skala besar.
Dengan mengubah label operasional rutin menjadi data pelatihan berkualitas tinggi, ABMIL menawarkan jalur yang praktis dan mudah diakses untuk mengotomatisasi tugas pengkodean yang padat karya di registri kanker.