A rangos Journal of Medical Internet Research folyóiratban megjelent új közleményben tanszékünk részéről Dr. Posta Máté előszerzősségével, Dr. Figler Aida, Dobolyi Zsófia közreműködésével és Prof. Dr. Győrffy Balázs vezetésével olyan kutatás született, amely a CIDER nevű, nagy nyelvi modellre (LLM) épülő rendszer fejlesztését és klinikai adatok automatizált kinyerésére való alkalmazhatóságát vizsgálja. A rendszer célja, hogy a strukturálatlan orvosi dokumentációban rejlő információkat biztonságos és nagy teljesítményű módon strukturált, kutatási célokra is felhasználható adatokká alakítsa.
A klinikai kutatások egyik fontos kihívása, hogy az orvosi dokumentáció jelentős része strukturálatlan szöveges formában áll rendelkezésre. A CIDER rendszerét 2073 magyar nyelvű onkológiai szövettani leleten validálták, és több klinikailag releváns adat – többek között a beteg neme, a műtét éve, a TNM-stádium, az érintett szerv, a szövettani típus és a tumor mérete – automatizált kinyerését vizsgálták. A rendszer több változó esetében kiemelkedően magas pontosságot ért el: a nem meghatározásánál 99,5%-os, a műtét évének kinyerésénél 98,1%-os, az érintett szerv azonosításánál 95,8%-os, a T-stádium meghatározásánál pedig 95,6%-os egyezést mutatott. A tumor méretének meghatározásánál a rendszer az esetek több mint 83%-ában 5 mm-en belüli pontosságot ért el.
Tanszékünk számára a közlemény bioinformatikai jelentősége abban rejlik, hogy jól szemlélteti, miként alkalmazhatók a modern nagy nyelvi modellek nagy mennyiségű klinikai dokumentáció automatizált feldolgozására és strukturált adatbázisok létrehozására. A CIDER további fontos jellemzője, hogy helyben, intézményi infrastruktúrán futtatható, így az érzékeny egészségügyi adatok feldolgozása kontrollált környezetben történhet. A rendszer a hiányzó klinikai információk azonosításában is segítséget nyújthat, ezáltal új lehetőséget teremthet a retrospektív klinikai kutatásokhoz szükséges adatok hatékony előállítására és a nagy mennyiségű orvosi dokumentáció kutatási célú hasznosítására.
Cikk innen tölthető le.