NLP für automatisierte Endoskopie-Nebenwirkungserkennung: Transformer vs. regelbasiert
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Diagnosegenauigkeitsstudie, die regelbasierte und Transformer-basierte NLP-Modelle zur Klassifizierung von Endoskopie-Befunden nach dokumentierten Nebenwirkungen vergleicht.
Ergebnis
Transformer erreichte 92,2% Sensitivität (95% KI 87,4–95,3%) vs. 84,4% regelbasiert, Spezifität 98,4% vs. 99,5%, beide F1-Scores 0,89; Transformer reduzierte falsch negative (28→14), erhöhte aber falsch positive (9→29).
Übertragbarkeit auf Deutschland
Türkei, methodisch auf andere Freitextberichte übertragbar; autonome Anwendung nicht empfohlen.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.