基于ERNIE分类模型的淋巴水肿智能辅助诊断研究

目的/意义 探讨人工智能辅助诊断技术应用于淋巴疾病的诊断效果,阐述样本稀缺背景下模型微调训练的解决方案,指出应用研究的难点和不足,并提出展望。方法/过程 从北京世纪坛医院淋巴外科既往收治的患者中选取755例为研究对象,基于患者电子病历非结构化文本数据,利用ERNIE 3.0分类模型进行淋巴水肿辅助诊断应用研究,通过两个层级分类任务,实现智能化诊断淋巴水肿疾病并区分原发性和继发性。结果/结论 ERNIE 3.0分类模型在淋巴水肿的判别任务中,准确率、精确率、召回率、平均F1值均超过0.95。在原发性和继发性淋巴水肿的区分上,模型的平均Macro F1值达到0.901。两个任务模型的曲线下面积分别达到0.97和0.865,表明模型的准确分类效果。模型分类结果具有较好的可解释性,填补了智能化方法在淋巴疾病领域的应用空白。