MétaCan
Menu
Retour à la cohorte
Enregistrement W4407162180 · doi:10.1200/cci-24-00180

Advancements in Interoperability: Achieving Anatomic Pathology Reports That Adhere to International Standards and Are Both Human-Readable and Readily Computable

2025· article· en· W4407162180 sur OpenAlexaff
W. Scott Campbell, Brian Rous, Stefan V. Dubois, Paul A. Seegers, Rajesh Dash, Thomas Rüdiger, S. Vicente Santamaría, Elaine Wooler, James T. Case, Laszlo Igali, Mary E. Edgerton, Ross W. Simpson, Ekaterina Bazyleva, George Birdsong, Richard Moldwin, Timothy R. Helliwell, Peter Paul Yu, John R. Srigley

Notice bibliographique

RevueJCO Clinical Cancer Informatics · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensTrillium Health Centre
Organismes subventionnairesnon disponible
Mots-clésSNOMED CTInteroperabilitySystematized Nomenclature of MedicineHealth careMedicineBiobankSemantic interoperabilityComputer scienceHealth informaticsPathologyTerminologyMedical physicsPublic healthBioinformaticsWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Over the past 50 years, multiple pathology organizations worldwide have evolved in cancer histopathology reporting from subjective, narrative assessments to structured, synoptic formats using controlled vocabulary. These reporting protocols include the required data elements that represent the minimum set of evidence-based, clinically actionable parameters necessary to convey the diagnostic, prognostic, and predictive information essential for patient care. Despite these advances, the synoptic reporting protocols were not harmonized across the various pathology organizations. Cancer pathology continues to be widely reported and stored in free-text format, or without encoded data such that it is neither computable nor interoperable across organizations. METHODS: In 2020, SNOMED International created the Cancer Synoptic Reporting Working Group (CSRWG). This resulted in international collaboration across multiple pathology organizations. CCRWG's mission was to use SNOMED Clinical Terms (CT) concepts to represent the required content within the College of American Pathologists (CAP) and International Collaboration on Cancer Reporting (ICCR) published pathology reporting protocols. RESULTS: In late 2023, the CSRWG published over 1,300 new or revised SNOMED CT concepts to represent all required pathology cancer data elements for adult and pediatric solid tumors in both CAP and ICCR using the semantic principles of the SNOMED-CT concept model. Thus, computability and interoperability would be broadly established. CONCLUSION: This work brings to fruition the longstanding desire for an international, interoperable, human- and machine-readable cancer pathology report for use in patient care, health care quality improvement, population health, public health surveillance, and translational and clinical trial research. The following report describes the project, its methods, and applications in the stated use cases.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,200
score de la tête « metaresearch » (Gemma)0,298
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil0,987

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2000,298
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0150,010
Études des sciences et des technologies0,0040,016
Communication savante0,0210,044
Science ouverte0,0060,025
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0060,006

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,416
Écart entre enseignants0,376 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCO Clinical Cancer InformaticsMême sujetAI in cancer detectionTravaux en français237 207