CaresAI prevê estadiamento TNM a partir de laudos anatomo-patológicos do TCGA usando embeddings BERT

O CaresAI participou da tarefa compartilhada SMM4H-HeaRD 2026 ao prever rótulos de estágio Tumoral, Linfonodal e Metastático (TNM) independentemente dos laudos anatomo-patológicos do Atlas do Genoma do Câncer (TCGA). O estudo enquadrou o problema como três tarefas de classificação multi-rótulo, explorando abordagens clássicas e de aprendizado profundo usando características TF-IDF e embeddings de ClinicalBERT, BioBERT e PubMedBERT.

• WRN alcançou escores AUROC de 0,839 (T), 0,8502 (N) e 0,803 (M) com escores F1 de 0,622, 0,702 e 0,9337 respectivamente durante o treinamento.
• LightGBM com TF-IDF teve o melhor desempenho na fase de treinamento com escores AUROC de 0,9368 (T), 0,9524 (N) e 0,8311 (M).
• Os resultados do conjunto de teste 1 mostraram escores Macro-F1 de 0,978, 0,957 e 0,879 para as categorias T, N e M.
• O desempenho diminuiu no conjunto de teste 2, com uma queda no escore Macro-F1 de 0,938 para 0,858 em todos os estágios.

Os autores observam que a queda no desempenho sugere limitações na generalização do modelo, sensibilidade ao desequilíbrio de classes e desafios no processamento de documentos clínicos longos, indicando que otimizações adicionais são necessárias antes do uso clínico.