Aug, 2023

智能数据提取器：加速并改善临床试验期间的数据收集的临床医师友好解决方案

PDF
TL;DR在医学研究中，我们提出一种半自动化系统，能够提取各种类型的数据，包括记录，从而通过遵循规则为诊所研究表格提供预填功能。我们进行了一项交叉测试实验，比较了半自动化和手动数据收集。对于 79 名患者，需要收集 20 个目标项目。手动数据收集一个表格的平均完成时间为 6 分 81 秒，而使用智能数据提取器为 3 分 22 秒。手动数据收集中的错误数量（整个队列为 163）也比智能数据提取器（整个队列为 46）多。我们提供了一种易于使用、易于理解和灵活的解决方案，用于填写临床研究表格。这种解决方案减少了人力投入，提供了更高质量的数据，避免了数据重复录入和疲劳引起的错误。
medical researchdata collectionsemi-automated systemsmart data extractorclinical research forms
发现论文，激发创造
  • 医疗数据提取工具 MedPromptExtract：使用 NLP 和提示工程实现匿名化和高保真度自动数据提取

    医疗记录的无缝数字化面临一个主要障碍，即现有记录的互操作性不足。本论文提出了 MedPromptExtract，一种自动化工具，利用半监督学习、大型语言模型、自然语言处理和提示工程的组合，将非结构化的医疗记录转换为适合进一步分析的结构化数据。

    May, 2024

  • 科学文献高质量结构化数据提取的半自动分阶段区域

    我们提出了一个用于整合新型超导体实验数据的暂存区，其数据是从科学文章中机器收集而来。我们采用自动和手动的工作流程来提高 SuperCon 更新的效率，同时保持或提高数据质量。我们的暂存区包括异常检测自动过程和适用于原始 PDF 文件的用户界面，用户可以手动纠正任何错误，并收集和利用纠正后的数据来改善机器学习模型的训练数据。评估实验证明，我们的暂存区显著提高了数据的整理质量。与传统的手动阅读 PDF 文档并在 Excel 文档中记录信息的方式进行对比，使用我们的界面可以将精确度和召回率分别提高 6% 和 50%，平均 F1-score 增加了 40%。

    Sep, 2023

  • 自动化半结构化面试记录中的信息提取

    该研究论文探讨了一种自动化系统的开发和应用，该系统旨在从半结构化访谈文本中提取信息。研究发现，对于分析访谈文本，最佳模型是 BERT 嵌入和 HDBSCAN 聚类的组合。论文介绍了一个用户友好的软件原型，使研究人员能够高效处理和可视化访谈数据的主题结构。这个工具不仅有助于定性分析的初始阶段，还揭示了主题之间的相互关联，从而增强了定性分析的深度。

    Mar, 2024

  • 基于数据效率的形式文档信息提取

    本文介绍了如何使用少量标记数据和被标记语料库进行转移学习，以实现在规模上自动从表单状文件提取信息。

    Jan, 2022

  • 针对文本文档的高精度信息提取的人机协作优化

    本文研究信息提取方法，提出利用人工验证的弱监督标记方法，结合人工与计算机快速处理，以实现在精度要求高的情境下避免纯手工提取耗时过长的难题，并在犯罪司法数据集上实证其优越性。

    Feb, 2023

  • 天书副驾驶员：面向自主电子病历导航

    通过自动化例行任务和简化电子病历系统的文档流程，我们的研究结果突显了自主代理对于减轻临床医生当前电子病历系统带来的认知负荷所具有的重要潜力。

    Apr, 2024

  • 电子健康记录出院记录的摘要生成

    使用 LSTM 模型标记当前病历的主题，从而通过自动摘要有效地协助医生完成患者总结，提高医疗决策的效率，并减少医疗错误。

    Oct, 2018

  • 临床试验招募对非结构化临床叙述和信息融合多么重要？

    结构化电子健康记录和非结构化临床叙述是诊疗过程中不可或缺的信息来源，我们进行的实证研究表明，从非结构化临床叙述中提取信息对于大多数诊疗应用来说是必不可少的。

    Feb, 2015

  • 探索日本最大的多机构健康记录档案中无结构健康记录的最佳粒度提取摘要

    该论文旨在探讨医学专业自动文本摘要中的不同单位粒度，病历中的概念应该是如何被提取和组合的，研究发现将医学病历划分为更小的单位可以获得更高的文本摘要的准确性。

    Sep, 2022

  • 无监督的临床笔记片段提取、标记和聚类

    本文提出一种无监督的文本信息抽取方法，应用于捷克乳腺癌患者的临床记录中，以提取、分类和聚类具有特定临床特征的文本片段，证明提出方法在捷克样本中为构建更复杂的信息抽取和分析工具提供了实用价值。

    Nov, 2022