EMNLPSep, 2021

如何使生物医学问答系统投入实践？

PDF
TL;DR医学问答系统存在适时回答临床医生有关治疗和诊断不确定性的潜力，但是由于透明度、可靠性和来源不可靠等因素未得到考虑，因此医学问答系统仍未被广泛应用。本文提出了一组标准，旨在提高生物医学问答系统的实用性，并评估了现有模型、任务和数据集，指出了以前提出方法的缺陷，并指出了可能更实用的医学问答系统。
medical question answeringnlpclinicianstransparencyprovenance
发现论文，激发创造
  • 面向医疗专业人员的问题回答系统 — 一项系统综述

    医学问答系统的特点、适用性和改进领域是本综述的目标，研究发现大多数系统准确性相对较低、应用局限性高，关键研究重点应包括开发更真实的医疗问答数据集和考虑答案来源的可靠性。

    Jan, 2024

  • 生物医学问题回答：方法与挑战综述

    自动问答系统在不同领域有成功应用，生物医学问答是一项新兴任务。本文对生物医学问答的五种不同方法、可用数据集和代表性方法进行了详细介绍，并确定了该领域尚未成熟、面临的困境以及未来探索方向。

    Feb, 2021

  • 生物医学领域问答系统改进的贡献

    提出了四个新方法来改进生物医学领域问题回答，包括机器学习问题类型分类和语义类型确定，文档和段落检索，以及精确和理想答案的提取。

    Jul, 2023

  • 电子健康记录的问答：数据集和模型的综述

    该研究对现有关于电子病历问答的工作进行了方法学综述，发现电子病历问答是相对较新且未被充分探索的研究领域，对于电子病历问答数据集和模型的使用进行了分析。

    Oct, 2023

  • 基于联合推理的疾病问答系统

    通过综合自然语言处理和相关技术从多个信息源中合成信息，医用问答（QA）助手能够回答非专业用户的健康相关问题，解决了错误信息、信息过载和医学语言复杂性等问题，并减轻了医护人员的负担。本研究通过联合推理策略充分利用语言模型和知识图谱技术，设计了一种新颖的自动疾病问答系统，用于回答适合非专业用户的疾病相关问题，并通过多种质量指标评估其效力，优于流行的 ChatGPT 等基准系统。

    Jan, 2024

  • 面向生物医学问答的神经领域自适应

    本文介绍了一种基于迁移学习技术，将神经网络模型应用在生物医学领域的事实型问答系统上的方法，通过加入生物医学文本嵌入和一种新的回答列表问题的机制来改进该系统，避免了使用昂贵的特定领域本体论、解析器或实体标注器。结果表明，该系统在事实型问题上达到了最新水平，在列表问题上取得了竞争性的结果。

    Jun, 2017

  • 个人化医学中的新兴挑战：评估人口统计学特征对生物医学问答系统的影响

    在生物医学领域中，最先进的问答（QA）模型表现出各种社会偏见（如性别或种族），其训练数据中存在类似问题对此进行了解释。然而，迄今为止被忽视的是，在生物医学的关键领域中，由于患者人口统计信息而导致模型输出不合理的变化是存在问题的：这导致了对患者的不公平对待。通过仅选择与种族、性别或性取向无关的生物医学主题的问题，我们提出以下研究问题：（RQ1）当提供无关的人口统计信息时，QA 模型的答案是否会改变？（RQ2）RQ1 的答案在基于知识图谱（KG）和基于文本的 QA 系统之间是否存在差异？我们发现，无关的人口统计信息最多会改变 KG 为基础的系统 15% 的答案和文本为基础的系统 23% 的答案，包括影响准确性的变化。我们得出结论，由于患者人口统计信息而引起的无理答案变化是一个常见现象，这引起了公平性问题，并应该受到更多关注。

    Oct, 2023

  • 评估问答系统：评判自然语言的复杂性

    本文针对问答系统的发展历程、评估指标及其相应的理论框架进行综述，并探讨了相关的评估方法和数据集。

    Sep, 2022

  • 通过可靠和时间感知的证据检索改善健康问题回答

    利用 PubMed 作为可靠的医学研究文档集合，针对开放领域的问答设置，研究通过修改检索设置来提高问答系统性能的方法。结果显示，减少检索到的文档数量，偏爱近期和被引用次数较多的文献可以提高最终的宏观 F1 得分达到 10%。

    Apr, 2024

  • QA2Explanation: 为基于知识图谱的问答系统生成和评估解释

    本文提出了一个用于自动生成解释的方法来改善基于管道的问答系统，在特定领域（如生物医学领域）中应用 QA 系统的难点在于其 “黑匣子” 性质，该方法是通过考虑三类（成功、无回答和错误回答）用于注释所涉及 QA 组件的输出，并选择一个模板解释来衡量其有效性。

    Oct, 2020