408P Combining rules and machine learning to improve sustainability and explicability of the extraction of pathological cancer markers from patient reports: Cross-sectional multicenter cohort study
Résumé fourni par la source
Machine learning (ML) information extraction (IE) algorithms are associated with a concerning carbon footprint and lack explicability. We aimed to compare the performance of 2 IE models based on ML and rules, respectively, and to develop an IE method combining both approaches to optimize performance, sustainability and explicability.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- 408P Combining rules and machine learning to improve sustainability and explicability of the extraction of pathological cancer markers from patient reports: Cross-sectional multicenter cohort study
- Date Crossref
- 01/11/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.