Real-world application of large language models for automated TNM staging using unstructured gynecologic oncology reports
8.0
来源：
Nature
关键字：
AI radiology
发布时间：
2025-11-19 23:52
摘要：
本研究评估了大语言模型在自动化肿瘤分期中的应用，特别是在提取非结构化医学记录中的TNM分类信息。结果显示，云端和本地模型在准确性上均优于传统手动录入，且在处理真实世界数据时表现出色。研究强调了大语言模型在提高肿瘤登记数据质量和减少手动工作负担方面的潜力，具有重要的临床和商业应用价值。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+1.0分（符合肿瘤学领域）
business_impact
1.0分+1.0分（具有商业应用潜力）
scientific_rigor
1.5分+1.5分（有具体实验数据支持）
timeliness_innovation
1.5分+1.5分（展示了技术创新）
investment_perspective
2.5分+2.5分（处于早期研发阶段）
market_value_relevance
1.0分+1.0分（涉及高发疾病）
team_institution_background
0.5分+0.5分（团队背景强）
technical_barrier_competition
1.0分+1.0分（技术壁垒高）
关键证据
大语言模型在提取TNM分类信息方面的准确性高达99.4%。
研究显示手动数据录入的错误率为5.5%至17.0%。
该技术在提高临床登记数据的准确性方面具有显著潜力。
真实性检查
否
AI评分总结
本研究评估了大语言模型在自动化肿瘤分期中的应用，特别是在提取非结构化医学记录中的TNM分类信息。结果显示，云端和本地模型在准确性上均优于传统手动录入，且在处理真实世界数据时表现出色。研究强调了大语言模型在提高肿瘤登记数据质量和减少手动工作负担方面的潜力，具有重要的临床和商业应用价值。