CaresAIは、SMM4H-HeaRD 2026共有タスクに参加し、がんゲノムアトラス（TCGA）の病理報告書から独立して腫瘍、リンパ節、転移（TNM）病期ラベルを予測した。本研究は、この問題を3つの多ラベル分類問題として枠組みづけ、TF-IDF特徴量とClinicalBERT、BioBERT、PubMedBERTからの埋め込みを用いた古典的および深層学習のアプローチを探った。

  • WRNは訓練中にAUROCスコア0.839（T）、0.8502（N）、0.803（M）およびF1スコア0.622、0.702、0.9337を達成した。
  • TF-IDFを用いたLightGBMは訓練フェーズで最も良好なパフォーマンスを示し、AUROCスコアは0.9368（T）、0.9524（N）、0.8311（M）であった。
  • テストセット1の結果では、T、N、Mカテゴリに対してMacro-F1スコアがそれぞれ0.978、0.957、0.879となった。
  • テストセット2ではパフォーマンスが低下し、すべての病期にわたってMacro-F1スコアが0.938から0.858に減少した。

著者らは、パフォーマンスの低下はモデルの汎化能力の限界、クラス不均衡への敏感性、および長文の臨床ドキュメント処理における課題を示唆しており、臨床使用前にさらなる最適化が必要であることを指摘している。