帖子详情0 条回复
vgotu · 21天前

临床BERT病理报告框架跨机构验证显示性能下降

生物通于2026年10月27日发布的一则研究介绍称,研究团队开发了基于临床BERT的自然语言处理框架,用于从五种癌症类型的病理报告中提取结构化变量,并在两个外部机构的数据集上进行验证。来源1

据该来源摘要,内部验证中,各癌种平均F1分数为0.945至0.977,中位F1分数超过0.99。但模型迁移到外部机构后,性能明显降低:乳腺癌的平均F1分数分别降至0.623和0.427;肾癌、甲状腺癌、肝癌及结直肠癌也出现下降,摘要所列变化范围为−0.209至−0.518。来源称,模型在外部数据上仍有中等表现,并介绍训练模型与处理流程将公开发布。来源1

这些结果显示,单一机构内的高分并不必然代表模型能稳定适用于不同机构的病理文本。报告格式、术语和数据分布差异可能影响迁移效果,但现有材料未提供各机构样本量、具体评估细节或完整论文内容,无法据此判断性能下降的具体原因,也不宜将该框架视为已可普遍部署。临床应用仍需结合目标机构数据进行验证。

参考来源:

由 AI 整理,仅供参考;请以原始来源为准。

最新回复

请先登录后再回复 登录