[論文レビュー] Hierarchical Deep Learning Classification of Unstructured Pathology Reports to Automate ICD-O Morphology Grading

Waheeda Saib, Tapiwa M. Chiwewe+1 more|arXiv (Cornell University)|Aug 28, 2020

AI in cancer detection参考文献 3被引用数 6

ひとこと要約

本論文は、畳み込みニューラルネットワーク（CNN）を用いた階層的ディープラーニングモデルを提案し、非構造化された乳がん病理報告書のICD-O形態学的コード化を自動化することで、平坦なマルチクラスCNNよりも分類精度を向上させた。この手法は、9つのICD-O形態学的クラスに分類された1,813件の匿名化された報告書において、標準的手法を上回り、がん登録における手動コード化の遅延を低減した。特にリソースが限られたサハラ以南アフリカにおいて顕著な利点を示した。

ABSTRACT

Timely cancer reporting data are required in order to understand the impact of cancer, inform public health resource planning and implement cancer policy especially in Sub Saharan Africa where the reporting lag is behind world averages. Unstructured pathology reports, which contain tumor specific data, are the main source of information collected by cancer registries. Due to manual processing and labelling of pathology reports using the International Classification of Disease for oncology (ICD-O) codes, by human coders employed by cancer registries, has led to a considerable lag in cancer reporting. We present a hierarchical deep learning classification method that employs convolutional neural network models to automate the classification of 1813 anonymized breast cancer pathology reports with applicable ICD-O morphology codes across 9 classes. We demonstrate that the hierarchical deep learning classification method improves on performance in comparison to a flat multiclass CNN model for ICD-O morphology classification of the same reports.

研究の動機と目的

• がん登録において、非構造化された病理報告書の手動によるICD-Oコード化に起因する深刻ながん報告遅延を是正すること。
• 乳がん病理報告書をICD-O形態学的コードに分類する作業を自動化することで、人為的コード作成に依存するのを低減すること。
• 階層的ディープラーニングアーキテクチャを用いることで、平坦なマルチクラスディープラーニングモデルよりも分類性能を向上させること。
• 報告遅延が特に高い地域である、リソースが限られたサハラ以南アフリカにおける公衆衛生計画および政策立案を支援すること。

提案手法

• 2段階分類構造を有する階層的ディープラーニングモデルを設計した。まず広いICD-O形態学的カテゴリーを予測し、次に特定のサブカテゴリに精査する。
• 非構造化された病理報告書からのテキスト特徴量を処理するために畳み込みニューラルネットワーク（CNN）を適用した。
• ICD-O分類体系における親クラスと子クラスの論理的関係を強制する階層的損失関数を用いた。
• 豊富な特徴工学を伴わずに、生の病理報告書テキストから直接テキスト埋め込みを学習した。
• 1,813件の匿名化された乳がん報告書を用い、9つのICD-O形態学的コードにラベル付けされたデータセット上で、エンドツーエンドにモデルを学習した。
• 標準的な指標（マクロF1スコア、正答率など）を用いて性能を評価し、階層的モデルと平坦なマルチクラスCNNベースラインを比較した。

実験結果

リサーチクエスチョン

• RQ1 非構造化された病理報告書をICD-O形態学的コードに分類する際、階層的ディープラーニングモデルは平坦なマルチクラスCNNを上回る性能を示せるか？
• RQ2 ICD-O分類体系の階層的構造を組み込むことで、分類性能および一般化能力が向上するか？
• RQ3 自動分類により、がん登録における報告遅延はどの程度短縮可能か、特にリソースが限られた環境においては？
• RQ4 病理報告書における用語のばらつきや非構造的な言語表現に対して、モデルの頑健性はどの程度高いか？

主な発見

• 階層的ディープラーニングモデルは、同じ1,813件の病理報告書データセットにおいて、平坦なマルチクラスCNNベースラインよりも高いマクロF1スコアを達成した。
• 親子クラス関係における一般化性能の向上のおかげで、希少または低頻度のICD-O形態学的コードの分類性能が向上した。
• モデルは非構造化された臨床テキストにおける意味的・構文的パターンを効果的に捉え、ICD-Oカテゴリーへの正確なマッピングを可能にした。
• 結果から、階層的ディープラーニングはがん登録における手動コード化作業と報告遅延を顕著に低減できる可能性を示唆している。