Pesquisadores do Registro de Câncer de BC desenvolveram uma estrutura usando Aprendizado de Múltiplas Instâncias Baseado em Atenção (ABMIL) para treinar classificadores de aprendizado profundo para classificação de grupos tumorais sem exigir anotação humana por relatório. O método aproveita os rótulos operacionais rotineiros em nível de paciente para destilar um corpus grande e ruidosamente rotulado em um conjunto de treinamento compacto e de alta qualidade por relatório, usando mecanismos de atenção para recuperar o vínculo entre os pacientes e seus relatórios patológicos.
- A abordagem utiliza ABMIL para preencher a lacuna entre rótulos em nível de paciente e relatórios patológicos individuais.
- Um classificador ajustado finamente no conjunto destilado alcançou uma F1 macro de 0.83.
- Este desempenho supera as linhas de base estabelecidas na maioria dos grupos tumorais.
- A estrutura automatiza os fluxos de trabalho do registro de câncer sem anotação adicional ou infraestrutura de computação em larga escala.
Ao transformar rótulos operacionais rotineiros em dados de treinamento de alta qualidade, o ABMIL oferece uma rota prática e acessível para automatizar tarefas de codificação intensivas em mão de obra em registros de câncer.