ข้อมูลจากบทคัดย่อ
คณะวิจัยพัฒนาแบบจำลอง SBERT ภาษาเดียวและสองภาษาเพื่อคัดกรองการกลับเป็นซ้ำของมะเร็งจากเวชระเบียนไทย–อังกฤษ โดยใช้เอกสาร 32,436 ฉบับจากผู้ป่วย 1,250 คน และทดสอบภายนอกด้วยเอกสาร 9,244 ฉบับจากผู้ป่วย 384 คน MetBERT เด่นในการแยกการกลับเป็นซ้ำเฉพาะที่ ส่วน bilingual-SBERT มีความทนทานในการตรวจการแพร่กระจายไกลเมื่อทดสอบข้ามโรงพยาบาล อย่างไรก็ตาม ค่า AUPRC ต่ำในบางงานจำแนกเพราะเหตุการณ์กลับเป็นซ้ำมีเพียงประมาณ 1% จึงเหมาะเป็นเครื่องมือคัดกรองสนับสนุนงานทะเบียน มากกว่าการวินิจฉัยแทนแพทย์
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 80/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Machine Learning in Healthcare · Biomedical Text Mining and Ontologies · Topic Modeling
บทบาทของนักวิจัยและสถาบันไทย
Ekapob Sangariyavanich · Wanchana Ponthongmak · Nawanan Theera-Ampornpunt · Nat Tangchitnob · Ammarin Thakkinstian · Mahidol University · National Cancer Institute of Thailand · Ramathibodi Hospital
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง