💬 NLP

CaresAI at SMM4H-HeaRD 2026: Predicting TNM Staging

本文介绍了用于 SMM4H-HeaRD 2026 挑战赛的 CaresAI 系统，该系统利用多种机器学习和深度学习模型对 TCGA 病理报告进行处理以预测 TNM 分期，在训练阶段取得了强劲性能，但在测试集评估中显现出显著的泛化性挑战以及对类别不平衡的敏感性。

原作者： Joseph Itopa Abubakar, Jorge Jarme, Favour Igwezeke, Mary Adewunmi

发布于 2026-07-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Joseph Itopa Abubakar, Jorge Jarme, Favour Igwezeke, Mary Adewunmi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一名正在试图破解复杂医学谜团的侦探。线索隐藏在病理学家（研究组织样本的医生）撰写的冗长、杂乱且手写风格的报告中。这些报告描述了患者的癌症情况，但并不总是清晰地给出答案。你的任务是弄清楚关于癌症的三件具体事情：

这被称为 TNM 分期，它是医生用来决定治疗方案的“计分卡”。CaresAI 团队参加了一场竞赛（SMM4H-HeaRD 2026），旨在开发一种计算机程序，能够阅读这些杂乱的报告并自动预测 T、N 和 M 的评分。

以下是他们是如何实现的，用简单的语言解释如下：

他们使用的报告来自一个名为 TCGA 的庞大数据库。把这些报告想象成由不同作者撰写的成千上万部小说。有些很短，有些很大，有些使用高深的医学术语，有些则含糊不清。

问题： 数据是“不平衡”的。想象一个装满弹珠的袋子，其中 93% 是白色的（没有癌症扩散），只有 7% 是黑色的（有癌症扩散）。如果你每次都猜“白色”，你会对大部分情况都猜对，但你会错过那些危险的黑色弹珠。计算机必须学会识别这些稀有的、危险的线索。

团队尝试了两种主要的方法来教计算机如何理解文本：

方法 A：“关键词计数器”（TF-IDF & LightGBM）
想象这是一个统计特定单词出现频率的图书管理员。如果一份报告多次提到“转移（metastasis）”或“扩散（spread）”，计算机就会标记它。他们使用了一种名为 LightGBM 的智能算法（它像是一个超级快速、有条理的决策树）来观察这些词频。
- 结果： 这是冠军。它非常擅长捕捉文本中的模式，几乎就像一位知道该寻找哪些特定词汇的老练侦探。
方法 B：“深度思考者”（BERT 模型与神经网络）
这种方法使用了已经阅读过数百万本医学书籍的高级 AI 模型（ClinicalBERT, BioBERT）。它们不仅仅是计数单词，而是试图理解句子的含义和语境。然后，他们将这种“理解”输入到一个 Wide Residual Network (WRN) 中，这是一种旨在识别复杂模式的类脑计算机网络。
- 结果： 这种方法的表现略有起伏。虽然它很好地理解了文本的“氛围”，但与关键词计数器相比，它有时会在具体细节上感到困惑。

团队在两组不同的、全新的报告（测试集 1 和测试集 2）上测试了他们的“侦探”。

好消息： 在第一个测试集上，计算机的准确率极高。它在肿瘤阶段（Tumor stage）获得了 0.978（满分为 1.0）的分数，在淋巴结阶段（Node stage）获得了 0.957。这就像一位几乎完美解决了所有案件的侦探。
坏消息： 当他们转向第二个测试集时，分数下降了（降至 0.80 左右）。
- 原因： 论文解释说，计算机被第一组数据“宠坏了”。它过度学习了训练数据的特定模式（这是一个被称为过拟合/overfitting的问题）。当它看到一份稍微不同或更长的报告时，它就产生了困惑。此外，由于在训练数据中“危险”的情况（如癌症扩散）非常罕见，计算机在面对新的、棘手的报告时，很难识别它们。

作者非常诚实地说明了他们的工具目前不能做的事情：

“页数限制”问题： 他们使用的 AI 模型一次只能阅读大约 512 个单词。而许多此类医学报告要长得多。这就像试图阅读一整部小说，但只被允许阅读前几页；计算机会错过结尾和重要的线索。
“稀有事件”问题： 由于在训练数据中“癌症扩散”的情况非常罕见，计算机仍然存在一定的偏见。说“没有扩散”比猜测“有扩散”更安全，这意味着它可能会漏掉一些真实的病例。
不是医生： 论文明确指出，虽然这是一个很好的“基准（baseline）”，但它还不足以可靠到可以用于医院中做出关乎生死的决策。它需要更多的训练以及更好地处理长文档。

CaresAI 团队构建了一个可以阅读癌症报告并预测疾病阶段的计算机程序，在处理熟悉的数据时表现出了惊人的准确性。他们发现，对于这项特定任务，一种简单的“关键词计数”方法（LightGBM）实际上比“深度思考”型 AI 效果更好。

然而，就像一个在模拟考试中拿高分但在实际考试中因为题目稍有变化而挣扎的学生一样，在能够被信任去帮助医生处理现实世界中杂乱、冗长且罕见的病例之前，这个 AI 还需要更多的磨练。目前来看，它是一个强大的研究工具，也是未来改进的一个极佳起点。

类似论文