医学知识增强的肿瘤分期多任务学习模型

张恒，何文玢，何军，焦增涛，刘红岩

（1.中国人民大学 信息学院，北京 100872;2.医渡云(北京)技术有限公司，北京 100191;3.清华大学 管理科学与工程系，北京 100084）

肿瘤分期是评价肿瘤生物学行为的最重要指标之一，是根据个体内原发肿瘤数量以及扩散程度来描述肿瘤的严重程度和侵及范围的过程[1]。医院积累的电子病历文本(EHR)中蕴含了大量关于肿瘤的知识，运用机器学习和自然语言处理技术进行挖掘与知识提取，继而自动地给出分期诊断，是一项具有研究和实用价值的工作。目前肿瘤分期的过程尚依赖于医生的诊断经验或者一些专家手动编写的规则，流程复杂并且难以广泛应用。虽然神经网络模型已经被广泛地应用于各种互联网文本挖掘的任务中并且取得了很好的效果，但是在特定的医疗文本上处理肿瘤分期问题还没有合适的模型和方法。本文提出一种将深度学习与医学知识相结合的新方法，既借用了医疗大数据的优势，又弥补了传统神经网络缺乏医学知识的缺点。

1 肿瘤分期问题概述

肿瘤的TNM 分期分为T(tumor),N(Node),M(Metastasis)3 个维度，T分期用来表征原发肿瘤的部位以及大小，N分期判断局部淋巴结受累情况，M分期是指远处转移情况。医生参考T、N、M分期的结果制定更有针对性的临床诊疗方案。本文采用由美国癌症联合委员会(AJCC)开发的第8版癌症TNM 分期系统[2]作为标准。如表1 所示。

表1 第8 版乳腺癌分期标准(部分)Table 1 8th edition of breast cancer staging criteria (part)

在现实场景中，不同分期的样本分布严重不均衡，以T分期为例，大多数样本集中在T1、T2两类，占总量的80%以上，这给运用深度学习方法解决肿瘤分期问题带来了挑战。……