智能临床文书:利用生成式人工智能进行以患者为中心的临床笔记生成
本文介绍了开发医疗笔记生成系统的过程中所进行的三轮用户研究,包括如何适应临床实践、系统设计以及参与临床实践的临床医生对该系统的印象和看法,并发现了五种不同的记录行为、实时笔记生成的重要性以及自动生成笔记系统可能面临的几种挑战性情况。
May, 2022
本文提出了一种预测病历记录中病人的过去数据,包括人口统计学,检验,药物和过去的笔记,预测未来笔记内容的新型语言建模任务,并使用公开的、去个人化的 MIMIC-III 数据集训练生成模型。我们发现大部分笔记的内容都可以被预测,并且学习了许多常见的笔记模板。本文探讨了这样的模型如何在支持辅助笔记编写功能方面是有用的,比如错误检测和自动完成。
Aug, 2018
通过合成数据生成技术来提升临床文档编制的方法,生成高质量的合成文本以准确和高效地改善现有的文档工作流程,进而改善病患护理、减少行政负担和提高医疗系统效率。
Jun, 2024
人工智能的进展推动了医疗保健领域的革命性变化,其中包括生成式人工智能模型,特别是转换器和扩散模型的应用。本综述旨在全面介绍生成式人工智能在医疗保健中的应用,重点关注转换器和扩散模型,并提出未来研究的潜在方向,以应对医疗保健部门的现有限制和不断变化的需求。作为对对生成式人工智能在医疗保健领域应用感兴趣的研究人员和实践者的全面指南,本综述提供了有关当前技术水平、面临的挑战以及未来发展方向的宝贵见解。
Oct, 2023
运用生成型人工智能技术对科学论文的摘要进行总结,以减轻基层医疗人员的认知负担并提高文献阅读效率。研究结果表明,使用生成型人工智能生成的短摘要可显著降低回答与摘要内容相关问题所需时间,但在无完整摘要可用的情况下,提取知识的准确性明显降低,需要进一步的发展来提高理解能力。
Jul, 2023
医学领域中的人工智能技术发挥着越来越重要的作用,特别是在医学成像领域,通过生成式人工智能可以增强图像质量并提高医学诊断和患者护理水平。
Mar, 2024
本文介绍了我们在 MEDIQA-Chat 2023 共享任务中对于从医生 - 患者对话自动生成临床笔记的提交。我们报道了两种方法的结果:第一种微调共享任务数据上的预训练语言模型(PLM),第二种使用大型语言模型(LLM)进行少量样本的上下文学习(ICL)。两种方法在自动指标(如 ROUGE,BERTScore)上均实现了高性能,并分别排名共享任务的二和一位。专业人士的审查表明,通过基于 ICL 的方法和 GPT-4 生成的笔记与人工书写的笔记一样受欢迎,这使其成为从医生 - 患者对话自动生成笔记的有前途的途径。
May, 2023
人工智能在医疗保健领域产生了显著影响,特别是通过生成模型在医学图像生成、数据分析和诊断方面的应用。这篇文章探讨了生成模型在智能医疗设备中的应用,以提升诊断速度和准确性,改善医疗服务质量和效率并降低设备成本,实现了医学图像生成、数据分析和诊断的突破。此外,将生成模型与物联网技术结合,可以实现实时数据分析和预测,提供更智能的医疗服务,帮助远程医疗。挑战包括计算需求、伦理关注和特定场景的限制。
Jun, 2024
通过使用人工智能(AI)技术,特别是大型语言模型(LLM),本研究直接解决了手动创建出院记录的低效性和不准确性问题,特别针对心脏病患者,评估了 LLM 在提高文档处理的能力方面的可行性,并证实了 Mistral-7B 的出色表现,可以通过生成精确的出院记录,显著提高文档处理效率和患者的连续护理。这些结果证实了 Mistral-7B 在将复杂的医学信息概括为简洁连贯摘要方面的功效,展示了先进的 AI 技术在改进医疗文档处理工作流程和促进患者护理方面的巨大潜力。
Apr, 2024