Comparative Performance of Frontier Large Language Models for Extracting High-Risk Pathologic Features from Unstructured Gastrointestinal Oncology Reports: A Systematic Benchmarking Study with Human and Traditional NLP Baselines
Este estudo de benchmarking sistemático demonstra que modelos multimodais de fronteira, particularmente o Gemini 2.5 Pro e o GPT-4o, superam significativamente tanto especialistas humanos sob pressão de tempo quanto baselines tradicionais de PLN na extração do status crítico de invasão perineural de relatórios de patologia gastrointestinal não estruturados, enquanto uma nova taxonomia de modos de falha fornece orientação acionável para a seleção de modelos com base em assinaturas de erro específicas.