BC癌登録局の研究者は、Attention-Based Multiple Instance Learning (ABMIL) を使用したフレームワークを開発し、各レポートごとの人間による注釈を必要とせずに腫瘍群分類のためのディープラーニング分類器を訓練しました。この手法は、注意機構を用いて患者とその病理レポート間の関連性を回復することで、日常的な運用レベルの患者ラベルを活用し、ノイズの多いラベル付き大規模コーパスをコンパクトで高品質なレポートごとの訓練データセットに蒸留します。

  • このアプローチは、ABMILを用いて患者レベルのラベルと個々の病理レポートの間のギャップを埋めます。
  • 蒸留されたデータセットでファインチューニングされた分類器は、マクロF1スコア0.83を達成しました。
  • このパフォーマンスは、ほとんどの腫瘍グループにおいて確立されたベースラインを上回ります。
  • このフレームワークは、追加の注釈や大規模なコンピューティングインフラなしに癌登録のワークフローを自動化します。

日常的な運用ラベルを高品質な訓練データに変換することで、ABMILは癌登録における労働集約的なコーディングタスクの自動化への実用的でアクセスしやすい道を提供します。