Sep, 2022

利用神经机器翻译模型改善患者教育材料的健康素养

PDF
TL;DR本研究旨在利用自然语言处理技术自动翻译难懂的句子，从而提高患者教育材料的健康素养水平。该实验使用四个在线医疗健康信息网站上的患者教育材料，通过训练 Bidirectional Long Short-Term Memory（BiLSTM）NMT 模型、Bidirectional Encoder Representations from Transformers（BERT）-based NMT 模型，验证了 NMT 模型在翻译健康领域文本中的有效性。
health literacynatural language processingpatient educationneural machine translationhealth disparities
发现论文，激发创造
  • 基于神经网络的医学领域机器翻译 —— 基于欧洲药品管理局宣传单文本

    本研究探讨了不同的训练方法对用于医学数据的波兰 - 英语机器翻译系统的影响，使用欧洲药品管理局平行文本语料库作为神经和统计网络翻译系统训练的基础，并对主要机器翻译评估指标进行了分析。该研究的重点是比较和实施实时医学翻译器。

    Sep, 2015

  • LLM on FHIR -- 卫生记录的解密

    通过开发基于大型语言模型和快速医疗互操作性资源的人工智能解决方案，提高多样化患者群体的健康素养和医疗信息可及性，通过开放接口让用户与其健康记录进行互动，评估其对于患者健康素养的有效性，并指出了不同患者个体的适应性差异与人工智能应用中存在的挑战，表明了对于患者护理中语言模型的集成的可行性和风险，未来的方向包括资源识别机制和在设备上执行语言模型以提高隐私和降低成本。

    Jan, 2024

  • 生物医学科学评论的自动化普通语言摘要

    本文介绍了一个新的自动生成生物医学科学综述文献简化版的任务，并通过分析各种挑战，实验和评估，展示了使用现代神经架构自动生成的简化版摘要可以达到良好的质量和可读性。

    Dec, 2020

  • 利用大型语言模型增强健康数据互操作性：一项 FHIR 研究

    通过研究使用大型语言模型（LLM）来增强医疗数据互操作性的能力，我们发现 LLM 可以将临床文本转化为相应的 FHIR 资源。通过对 3,671 段临床文本进行实验，我们证明 LLM 不仅简化了多步骤的自然语言处理和人工校准过程，而且在与人类标注相比较时，在准确匹配方面达到了超过 90% 的异常准确率。

    Sep, 2023

  • 重新定义大型语言模型在数字健康界面中的应用

    数字卫生工具与大型语言模型（LLMs）结合可在临床环境中提供新颖的接口，增强数字医疗工具的实用性和实际影响，解决了使用 LLMs 时出现的问题，如幻觉，从而提高心血管疾病和糖尿病风险预测的效果。

    Oct, 2023

  • 利用 ChatGPT-3.5、ChatGPT-4、Google Bard 和 Microsoft Bing 来提高儿科人群及其他人群的健康素养和沟通能力

    使用大型语言模型（LLMs）提高儿童与其他人群的健康素养，通过改善健康沟通并在阅读级别上做出相应调整，但有挑战在六年级以下的创作输出。

    Nov, 2023

  • 基于 Transformer 的生物医学语言模型的领域内适应性本地化

    本文旨在探究两种途径从英语语料库中翻译生成的语言格式数据和本地化的语料库数据来建立生物医学语言模型，以应用在医疗领域中以提高患者护理和管理（本研究以意大利为例）。通过实验发现，在相对较小的语料库情况下，高质量数据的合并可以提高模型性能，但数据量的限制更为严格；本文的研究成果有望为意大利医院和学术界提供发展机遇，并为如何构建通用于其他不太具备资源的语言和不同领域设置的生物医学语言模型提供有价值的见解。

    Dec, 2022

  • L2M3：用于推进低资源地区医疗公平的多语言医学大型语言模型

    通过大型语言模型和机器翻译模型相结合，解决千禧年后对未来 10 年内的 1000 万医护人员缺口问题。该模型提供医疗知识和诊断工具以满足社区医护人员的特殊需求，并通过开源组件显著降低医疗运营成本，以改善低收入和中等收入国家的医疗服务质量。

    Apr, 2024

  • 生物医学和健康信息学中的大型语言模型：一项文献计量学综述

    大型语言模型（LLMs）已经迅速成为生物医学和健康信息学（BHI）中重要的工具，通过检查 2022 年至 2023 年的研究文章和合作网络，本文献计量回顾旨在全面了解 LLMs 在 BHI 中的应用情况。它进一步探讨了 LLMs 如何改善医疗诊断、患者参与、电子健康档案管理和个性化医学等 BHI 领域的自然语言处理（NLP）应用。同时，它还讨论了在 BHI 中使用 LLMs 所面临的伦理关切和实际挑战，比如数据隐私和可靠的医疗建议。展望未来，我们考虑 LLMs 如何进一步改变生物医学研究以及医疗服务和患者结果。该综合回顾对于了解生物医学和健康信息学中 LLMs 的当前状态和未来潜力的相关人员，包括研究人员、临床医生和决策者，具有重要价值。

    Mar, 2024

  • 医学 mT5：一个开源的医学领域的多语言文本到文本 LLM

    目前，医疗应用的语言技术研究是自然语言理解和生成中的一个热门话题。本文通过编制迄今为止在医疗领域最大的四种语言（英语、法语、意大利语和西班牙语）的多语言语料库，训练出医学领域首个开源的多语言文本对文本模型 Medical mT5，并提出两个新的评估基准，以促进该领域的多语言研究。全面评估结果显示，Medical mT5 在西班牙语、法语和意大利语基准中优于编码器和同等规模的文本对文本模型，与当前最先进的英语大型语言模型具有竞争力。

    Apr, 2024