探讨人士开发了两个由AI驱动的用具，用于从自由文本病理汇报中自动提取要害消息。该小组由政府资助的橡树岭实验室(ORNL)在田纳西州橡树岭，共享其探讨结果在医学消息学会的。

ORNL是燃料部最要紧的探讨实验室之一，其科学家一直在努力寻觅运用AI和当然言语料理等领先进步技艺来改进患者预后的新方法。

“人数级癌症监测关于监测旨在预防，检验和治疗癌症的公共卫生举措的有用性至关要紧，” ORNL健康数据科学探讨所和计算科学中心主任Gina Tourassi对应作者说，在准备没有问题证明中说。“与癌症探讨所合作，咱的团队正好开发领先进步的AI解决方案，以经过自动化耗时的数据捕获事业并提供挨近实时的癌症汇报来使癌症监测计划现代化。”

关于这项探讨，最重要的作者Moha毫米ed Alawad及其同事训练了多任务卷积神经网站(MTCNN)，以从自由文本病理汇报中提取与癌症相干的数据。MTCNN(一种“硬参数共享”模子和一种“十字绣”模子)执行了五个单独的提取任务。它们的功能与单任务CNN和精选的机器学习技艺发展了相比。

全体而言，MTCNN的体现优于全部其它AI模子。依据回顾性剖析，硬参数模子(59.04%)和十字绣模子(57.93%)正确分类的病理汇报百分比超出其它模子，范畴为36.75%至53.68%。与其它模子比较，对这两个MTCNN的前瞻性剖析也发生了更没有问题功能(硬参数模子为60.11%，十字绣模子为58.13%)。

那末，这点探讨人士的下一步是甚么?

图拉西在ORNL的统一份证明中说：“下一步是发动一项大范围的使用者探讨，该技艺将在全个癌症注册治理机构中发展部署，以确定在注册治理机构事业过程中最有用的集成形式。”“指标非是取代人类，却是扩大人类。”