MétaCan
Menu
Retour à la cohorte
Enregistrement W4412163750 · doi:10.1158/1557-3265.aimachine-b019

Abstract B019: Clinician-AI evaluation of prognostic information extraction in head and neck cancer using an on-premises LLM

2025· article· en· W4412163750 sur OpenAlexaffabout
Yujing Zou, Laya Raifiee. Sevyeri, Farhood Farahnak, George Shenouda, Marie Duclos, T.Y.T. De Souza, Khalil Sultanem, Parsa Bagherzadeh, Farhad Maleki, Shirin A. Enger

Notice bibliographique

RevueClinical Cancer Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensJewish General HospitalUniversity of CalgaryMcGill University Health CentreMcGill University
Organismes subventionnairesnon disponible
Mots-clésPremisesHead and neck cancerMedicineHead and neckCancerOncologyInternal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Head and neck (H&N) cancers involve diverse anatomical sites, histologies, risk factors, and outcomes. Prognostic data like TNM staging, p16/HPV status, smoking, alcohol use, and comorbidities, are often buried in unstructured electronic health record (EHR) notes. Manual extraction is labor-intensive, limiting efficiency in tumor board preparation, trial screening, and personalized care. Traditional rule-based natural language processing struggles with long, domain-specific clinical text. While LLMs show promise, proprietary cloud models like GPT-4 raise privacy concerns as data must leave secure hospital systems. In Canada, such transfers pose legal risks. Prior work has focused on public or simulated data; granular extraction from real oncology notes remains underexplored. We address this by introducing a de-identified H&N dataset and deploying an on-premises open-source LLM (Llama3.3-70B). We hypothesize that this local model can match expert abstraction accuracy while preserving privacy. Methods: We conducted a retrospective study at a tertiary center with ethics approval, including 1,360 pathology and consultation notes from 882 biopsy-confirmed patients (2010–2023). The LLM was deployed locally on secure hospital hardware via Ollama with no external access, running on 2 NVIDIA RTX 5000 GPUs. Thirty prognostic fields were extracted using Python and LangChain with direct and inference prompts. Fifty cases were selected through stratified sampling for clinician review. Three blinded oncologists independently rated model outputs as “Agree” or “Disagree.” Disagreements were resolved by majority vote. We calculated accuracy, precision, recall, and F1 scores. Results: Each note was processed in 30–50 seconds, versus 5–30 minutes manually, yielding up to 20× efficiency gains. Across 4,500 evaluations, the model achieved 97.7% accuracy, 97.1% precision, 99.9% recall, and 98.5% F1. Of 30 fields, 20 achieved perfect scores (100%), including lesion site, p16 status, smoking history, treatment recommendations, imaging interpretations, resection margins, Eastern Cooperative Oncology Group (ECOG) Performance Status/Karnofsky Performance Scale, prior treatments, and follow-up. Eight fields maintained >95% performance, including tumor type (93.2% accuracy) and TNM classification (97.7%). The Charlson score showed lower precision (67.4%) due to overestimation but retained 100% recall. Conclusion: A locally deployed LLM extracted prognostic data from oncology notes with near-perfect accuracy across 28 of 30 fields while maintaining privacy. Charlson score overestimation, e.g., hypertension or anxiety, misclassified as severe, highlighted reasoning limitations. Improved prompting and adherence to validated criteria may reduce false positives. This pilot Canadian study demonstrates that privacy-preserving LLMS can streamline tumor board prep, support AI-assisted decision-making, and scale oncology data extraction in compliance with strict data regulations. Citation Format: Yujing Zou, Laya Raifiee. Sevyeri, Farhood Farahnak, George Shenouda, Marie Duclos, Tomás Yokoo Teodoro. de Souza, Khalil Sultanem, Parsa Bagherzadeh, Farhad Maleki, Shirin A. Enger. Clinician-AI evaluation of prognostic information extraction in head and neck cancer using an on-premises LLM [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Artificial Intelligence and Machine Learning; 2025 Jul 10-12; Montreal, QC, Canada. Philadelphia (PA): AACR; Clin Cancer Res 2025;31(13_Suppl):Abstract nr B019.

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)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,296
Tête enseignante GPT0,631
Écart entre enseignants0,335 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207