CaresAI memprediksi stadium TNM dari laporan patologi TCGA menggunakan embedding BERT

CaresAI berpartisipasi dalam tugas bersama SMM4H-HeaRD 2026 dengan memprediksi label stadium Tumor, Node, dan Metastasis (TNM) secara independen dari laporan patologi Cancer Genome Atlas (TCGA). Studi ini membingkai masalah sebagai tiga tugas klasifikasi multi-label, mengeksplorasi pendekatan pembelajaran klasik dan dalam menggunakan fitur TF-IDF dan embedding dari ClinicalBERT, BioBERT, dan PubMedBERT.

• WRN mencapai skor AUROC 0.839 (T), 0.8502 (N), dan 0.803 (M) dengan skor F1 0.622, 0.702, dan 0.9337 masing-masing selama pelatihan.
• LightGBM dengan TF-IDF berkinerja terbaik pada fase pelatihan dengan skor AUROC 0.9368 (T), 0.9524 (N), dan 0.8311 (M).
• Hasil set uji 1 menunjukkan skor Macro-F1 sebesar 0.978, 0.957, dan 0.879 untuk kategori T, N, dan M.
• Kinerja menurun pada set uji 2, dengan penurunan skor Macro-F1 dari 0.938 menjadi 0.858 di semua stadium.

Para penulis mencatat bahwa penurunan kinerja menunjukkan keterbatasan generalisasi model, sensitivitas terhadap ketidakseimbangan kelas, dan tantangan dalam memproses dokumen klinis yang panjang, yang mengindikasikan perlunya optimasi lebih lanjut sebelum penggunaan klinis.