COLINGFeb, 2022

DialMed: 基于对话的药物推荐数据集

PDF
TL;DR该研究提出一种基于医疗对话的药物推荐方法，使用自然语言处理技术结合病历数据，构建了一个高质量的医疗对话数据集 DIALMED, 并提出了 DDN 模型和 QA 对话图机制，有效考虑了各种因素的影响，实现了医患对话中对药物的智能推荐。
medication recommendationmedical dialoguesddnqa dialogue graph mechanismdisease knowledge
发现论文，激发创造
  • MedDialog：两个大规模医学对话数据集

    本研究建立了两个大规模医疗对话数据集：MedDialog-EN 和 MedDialog-CN，它们分别包括英语和中文的病患与医生之间的对话，以帮助研究和开发医疗对话系统。这些数据集是迄今为止最大的医疗对话数据集。

    Apr, 2020

  • RECOMMED: 一款全面的药物推荐系统

    设计了一个基于患者和药物特征的全面药物推荐系统，将数据从多个数据库中整合为一个患者和药物信息的数据集，其中使用了人工智能模型、自然语言处理方法和推荐系统算法进行数据建模，通过药物相互作用、患者条件和药物特征生成了基于矩阵分解的模型，构建了基于规则的知识库系统。

    Dec, 2022

  • 基于领域知识的深度学习药物推荐

    本文提出了一种集成领域知识和可观察临床表现的新型 DKINet 框架，用于药物推荐，并设计了一个基于知识的编码器和一个基于数据的编码器，以及一个明确的药物编码器，用于学习患者的纵向依赖关系，并在三个公开数据集上进行了广泛的实验。

    May, 2023

  • 药物推荐的关系发现

    DisMed 是一个基于因果推断的模型，通过深入研究患者状况并将其直接映射到相应的药物，提高了个性化推荐的准确性和安全性。

    Apr, 2024

  • MDDial：一个带可靠性评估的多轮鉴别诊断对话数据集

    建立对话系统可用于自动不同诊断，但相关数据集有限。本研究介绍了 MDDial 作为首个英文不同诊断对话数据集，并探索了综合计分方法以表征症状和诊断的关联，结果表明 MDDial 可用于研究不同诊断对话。

    Aug, 2023

  • 基于因果推断的双粒度药物推荐

    提出了 DGMed，一种应用因果推断解决药物推荐系统中异质性问题的框架，通过分析历史记录中药物对特定疾病的量化治疗效果，揭示医学实体之间的潜在联系，利用分子层次的知识进行特征对齐，最终根据患者的当前健康状况自适应调整药物推荐概率并推荐药物组合，实验证明该方法在准确性、安全性和时间效率方面优于现有的基线模型。

    Mar, 2024

  • 自动医疗咨询系统基准：框架、任务和数据集

    本文提出两种支持自动医学咨询的框架，并创建了一个新的大型医学对话数据集，建立了包括命名实体识别，对话行为分类，症状标签推断，医疗报告生成和诊断导向的对话策略在内的五个独立任务。同时，文章提供了每个任务的基准结果，并公开了相关代码和数据集。

    Apr, 2022

  • 智能手机医药处方获取的口语对话系统：开发、语料库与评估

    医院信息系统的处方辅助软件已经成为医疗机构必不可少的一部分，但是这种系统使医生花费更多时间在电脑输入信息而不是提供医疗服务。本论文介绍了一种自然语言界面的电子处方软件，以口语对话系统的形式呈现，该系统允许医生语音记录处方，接近他们的正常实践方式。该系统在野外评估中表现出较好的处方时间和任务成功率，该评估数据已被录制和注释为 PxCorpus，是第一个完全向社区提供的口语药物处方语料库。

    Nov, 2023

  • DrugEHRQA：一个针对医学相关查询的结构化和非结构化电子病历问答数据集

    该研究开发了第一个多模式药物电子健康记录问答数据集，其中包含从公开可用的电子健康记录中结构化表格和非结构化笔记中提取的问答对。研究目的是为多模式问答系统提供基准数据集，并通过使用非结构化临床数据的上下文来改善电子健康记录结构化数据上的问答。

    May, 2022

  • 从医疗对话中提取药物治疗方案

    本研究基于问题回答（QA）方法和信息提取，尝试从医学对话中快速提取药物治疗方案（药品剂量和频率），使用数据扩充方法和预训练神经网络等技术提高模型精度，并取得远高于基准的性能。该研究提出了首个可自动从医学对话中提取药物治疗方案的系统，准确率达到了 71%。

    Dec, 2019