Classification automatique de comptes rendus anatomo-pathologiques en texte libre : application au sein d’un registre de cancers - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Accéder directement au contenu
Mémoires Année : 2019

Classification automatique de comptes rendus anatomo-pathologiques en texte libre : application au sein d’un registre de cancers

Résumé

Pathology reports are ones of the main information sources concerning a cancer register. They are unstructured textual data, their content can be sum up by adding a describing code of one or several medical concepts. When these data are not coded, they need a manual processing in order to extract the wanted information. Our aim is to automate this not coded pathology reports’ processing among french cancer registers through automatic textual categorization models by learning machine. Based on 84 745 pathology reports’ extracts from the Gironde general cancer register’ data, we created three categorization models and evaluated various choices according to: their data, representation, and algorithms of categorization used. The evaluation measures were: the recall, the precision and the F-measure. For the binary classification model, allowing to distinguish the pathology reports relating to a cancer, we get a 0.964 F-measure. For the cancer topography transcription, the best model gets a 0.703 micro F-measure and a 0.633 macro F-measure. These results are relevant and suggest the possibility of using those models to automate in free texts written in French, the pathology reports’ processing. Nevertheless, improvements are necessary to let their production start within a cancer register.
Les CRAP constituent une des principales sources d’information d’un registre de cancers. Ce sont des données textuelles non structurées dont le contenu peut être résumé par l’ajout d’un code décrivant un ou plusieurs concepts médicaux. Lorsque ces données ne sont pas codées, elles nécessitent un traitement manuel pour extraire l’information voulue. Notre objectif est d’automatiser ce traitement des CRAP non codés au sein des registre de cancers français, grâce à des modèles de classification automatique de texte par machine learning. A partir de 84 745 CRAP extraits de la base de données du registre général des cancers de la Gironde, nous avons construit trois modèles de classification et évalué différents choix au niveau des données et de leur représentation, ainsi qu’au niveau des algorithmes de classification utilisés. Les mesures d’évaluation étaient le rappel, la précision et la F-mesure. Pour le modèle de classification binaire, permettant de distinguer les CRAP relatifs à un cancer, nous obtenons une F-mesure de 0.964. Pour le codage de la topographie des cancers, le meilleur modèle obtient une micro F-mesure de 0.703 et une macro F-mesure de 0.633. Ces résultats sont performants et suggèrent la possibilité d’utiliser ces modèles pour automatiser le traitement des CRAP en texte libre écrits en français. Néanmoins, des améliorations sont nécessaires pour permettre leur mise en production au sein d’un registre de cancers.
Fichier principal
Vignette du fichier
M2SITIS_2019_NAFFRECHOUX.pdf (1.51 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

dumas-02407000 , version 1 (12-12-2019)

Identifiants

  • HAL Id : dumas-02407000 , version 1

Citer

Benjamin Naffrechoux. Classification automatique de comptes rendus anatomo-pathologiques en texte libre : application au sein d’un registre de cancers. Santé publique et épidémiologie. 2019. ⟨dumas-02407000⟩
142 Consultations
706 Téléchargements

Partager

Gmail Facebook X LinkedIn More