本研究使用开源临床大型语言模型和基于BERT的模型，成功提取病理报告中的病理肿瘤-淋巴结-转移分期信息。LLMs在肿瘤分类方面表现不佳，但通过适当的提示策略，可以达到与转移分类相当的性能，并在淋巴结分类方面表现更好。

本研究提出了一种混合多任务深度神经网络(Hybrid-MT-ESTAN)，用于乳腺超声图像的肿瘤分类和分割。该网络结合了CNN和Swin Transformer组件，实现了对全局上下文信息的捕捉和局部图像模式的保留。在3320个超声图像的数据集上，与九种分类方法进行了比较，结果表明Hybrid-MT-ESTAN取得了82.7%的准确率、86.4%的灵敏度和86.0%的F1分数。