Apr, 2024

从叙述到数字：利用语言模型推断言述性验尸报告中的预测

PDF
TL;DR该研究使用最先进的自然语言处理技术，开发了一种有效的方法，通过预测的自由文本结果从而进行推论，以处理公共卫生决策中的推断纠正问题。
verbal autopsiescauses of deathprediction-powered inferencenlp techniquesinference correction
发现论文，激发创造
  • 从口述验尸报告中提高死因分类的准确性

    该研究针对医疗领域中的自然语言处理技术应用挑战，提出了一种通过转移学习来改进死因分类任务的方法，实验结果表明，将病程记录的文本信息作为特征来结合分类任务，可以有效提高死因诊断准确性。

    Oct, 2022

  • 使用机器学习将口述验尸叙述和二进制特征融合在高血糖死亡分析中

    本研究旨在评估机器学习方法在分析结构化和非结构化叙述文本组成的言语验尸报告时的表现，结果表明文本特征对于确定死亡原因具有重要的信息价值，并且结合二进制和文本特征可以提高自动化 COD 分类任务的准确度。

    Apr, 2022

  • 口述尸检的概率死因分配

    通过使用口头尸检工具，本文开发了一种名为 InSilicoVA 的新的统计工具来确定死因，并展示了它相对于目前可用方法的明显优势，能够在未完成民事登记和关键统计系统的地区帮助评估死亡率和死因分布。

    Nov, 2014

  • 应急科室结果预测的多模态感知语言模型

    本文探讨了多模式语言建模在医疗保健领域的应用，特别是基于急诊科主诉和生命体征文本信息的病人问题和需求预测，通过对 MIMIC-IV ED 数据集的诊断代码预测实验分析，我们发现多模式提高了预测性能，并且对一些疾病类别来说，生命体征具有更强的预测能力，并透过交叉注意层的分析，展示了多模式如何提升模型预测。

    Apr, 2023

  • 通过死因调查笔记中的注解不一致检测揭示误归因的自杀原因

    通过分析 NVDRS 的注释不一致性，我们采用了一种经验性的自然语言处理方法来检测问题实例，并采用了交叉验证的模式来识别出有问题的情况，结果显示将目标州的数据纳入训练自杀危机分类器可以使 F-1 得分提高 5.4%，对其他州的测试集得分则降低了 1.1%。最后，我们提出了一种 NLP 改进方案。

    Mar, 2024

  • 利用大型语言模型对历史死因数据进行编码

    本研究探讨了使用预训练的生成型大语言模型 (GPT-3.5、GPT-4 和 Llama 2) 自动分配历史死因的 ICD-10 编码的可行性。研究结果显示，虽然 GPT-3.5、GPT-4 和 Llama 2 对于今天仍在使用的术语和短短的死因描述表现更好，但它们在历史 ICD-10 编码任务中的准确性仍然不足，建议进一步微调或采用其他框架以达到足够的性能。

    May, 2024

  • 利用医学命名实体和多模态学习提高医院死亡率预测

    本研究旨在探究如何利用医疗自然语言处理技术，将临床文本与结构化临床数据相结合，建立多模态神经网络模型，实现对重症监护室患者住院死亡风险的预测。研究结果显示，相较于基准模型，本模型的 AUC 值提高了 2%。

    Nov, 2018

  • 使用自我监督知识融合从入院记录中预测临床结果

    该研究旨在通过临床文本的预测，预防医生忽略潜在风险并帮助医院规划能力。使用语言模型分析预测诊断结果、手术、住院死亡率和住院时间。提出了临床结局预训练来整合多个公共来源的患者结局知识，并提出了一种将 ICD 编码层次结构纳入模型的简单方法，以提高模型的性能和可迁移性，同时也揭示了模型的一些缺陷。

    Feb, 2021

  • 基于多模态融合的自监督预测编码模型，在细粒度时间尺度下进行患者恶化预测

    本研究提出了一种基于自我监督预测编码和多模态融合的按小时预测死亡率和升压药需要的方法，并通过广泛的实验证明了该方法在远期预测方面的显着性能提高。

    Oct, 2022

  • 基于贝叶斯预测的推断

    基于有限的人工标记数据，预测引导推理（PPI）方法可以提高统计估计。我们提出了一个基于贝叶斯推理的 PPI 框架，可以方便地开发新的任务适用的 PPI 方法，包括针对离散回答和非线性评分的 autoraters 的改进方法。

    May, 2024