[论文解读] Identifying Radiological Findings Related to COVID-19 from Medical Literature

Yuxiao Liang, Pengtao Xie|arXiv (Cornell University)|Apr 4, 2020

COVID-19 diagnosis using AI参考文献 9被引用 6

一句话总结

本文提出了一种基于 BERT 的自然语言处理框架，用于从全球医学文献语料库中提取并整合与 COVID-19 相关的放射学发现。通过在 CORD-19 数据集上应用句子分类和短语成分分析，该方法识别出高频且具有临床相关性的异常表现，如磨玻璃影、胸腔积液和叶间间隔增厚，从而提供了一幅全球代表性强、无偏见的 COVID-19 放射学特征总结。

ABSTRACT

Coronavirus disease 2019 (COVID-19) has infected more than one million individuals all over the world and caused more than 55,000 deaths, as of April 3 in 2020. Radiological findings are important sources of information in guiding the diagnosis and treatment of COVID-19. However, the existing studies on how radiological findings are correlated with COVID-19 are conducted separately by different hospitals, which may be inconsistent or even conflicting due to population bias. To address this problem, we develop natural language processing methods to analyze a large collection of COVID-19 literature containing study reports from hospitals all over the world, reconcile these results, and draw unbiased and universally-sensible conclusions about the correlation between radiological findings and COVID-19. We apply our method to the CORD-19 dataset and successfully extract a set of radiological findings that are closely tied to COVID-19.

研究动机与目标

• 解决因医院特定研究中人群偏倚而导致的 COVID-19 放射学发现不一致问题。
• 开发一种自动化、可扩展的方法，用于在多样化的全球医学文献中识别并整合放射学发现。
• 通过自举法训练句子分类器，以最小的人工标注减少对手动标注的依赖。
• 生成一份全面的、按频率排序的放射学发现列表，这些发现与 COVID-19 关联性最强，以供临床评估。

提出的方法

• 训练一个基于 BERT 的句子分类器，以识别医学文献中描述与 COVID-19 相关放射学发现的句子。
• 采用自举策略，迭代识别并标注困难负样本，从而在极少人工标注的情况下提升分类器性能。
• 对正样本句子应用成分解析，提取表示放射学异常的名词短语，如“磨玻璃影”或“胸腔积液”。
• 对提取的名词短语进行频率分析，以在数据集中对最普遍的发现进行排序。
• 该方法整合了 CORD-19 数据集中超过 2,000 篇文章的发现，涵盖多样化的地理和人口群体，以减少偏倚。
• 最终输出提供一份按频率排序的高频率、具有临床相关性的放射学发现列表，以供进一步医学验证。

实验结果

研究问题

• RQ1 在全球医学文献中，哪些肺部影像学放射学发现被最一致地报告为与 COVID-19 相关？
• RQ2 如何利用自然语言处理技术整合孤立医院研究中存在冲突或不一致的发现？
• RQ3 基于 BERT 的分类器结合自举法，在仅使用极少人工标注数据的情况下，能在多大程度上实现高精度识别未结构化医学文本中的放射学发现？
• RQ4 当在多样化的群体和机构中汇总时，COVID-19 患者中最常报告的放射学异常是什么？

主要发现

• 该方法成功从 CORD-19 数据集中的 360,000 多个句子中提取出 15 种高频放射学发现，其中磨玻璃影和胸腔积液最为常见。
• 基于 BERT 的分类器在识别包含放射学发现的句子方面表现出高精度，且通过在困难样本上进行自举进一步提升了性能。
• 实变、磨玻璃影、叶间间隔增厚和胸腔积液在多份研究中均被一致识别为关键影像学特征。
• 基于全球多样化数据集生成的发现排名列表，相比孤立的医院研究，提供了更客观、更具普遍代表性的总结。
• 数据集中的示例句子证实，“疯狂铺路样”模式和“胸膜下囊性病变”在临床报告中常与 COVID-19 相关联。
• 该方法验证了已知的临床关联，例如纤维化在随访扫描中出现，支气管扩张在疾病后期阶段显现，与 Kanne 等人（2020）及其他研究结果一致。