Improving Interpretability of Radiology Report-based Pediatric Brain Tumor Pathology Classification and Key-phrases Extraction Using Large Language Models
Notice bibliographique
Résumé
Radiology reports are crucial for bridging the expertise of radiologists and other clinicians. Machine Learning models trained on these reports have shown promising performance in various downstream clinical tasks, such as predicting the necessity of future follow-up procedures, based on past radiology reports. However, for clinicians to adopt these models and for radiologists to validate the results, interpretability of the model is essential. In this study, we train BERT models on radiology reports to classify pediatric brain tumor pathologies. These large language models enable accurate report-level classification, without the need for costly word-level annotations. To identify and extract keywords and key-phrases related to distinct pathologies from radiology reports, we used a modified Term Frequency-Inverse Document Frequency to determine phrase importance based on prevalence and attributions scores. We achieved an overall multiclass Area Under Receiver Operating Characteristic Curve (AUROC) of 79.57% using ClinicaiBERT. Moreover, the per-class AUROC values were 86%, 71.2%, and 81.5%, for ‘Pilocytic Astrocytoma’, ‘Low-Grade Astrocytoma’, and ‘Other’ pathologies, respectively. Our explainability analysis identified hypotonia and mesencephalon as the most important terms for ‘Pilocytic Astrocytoma’ and ‘Low-Grade Astrocytoma’, respectively.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».