Jun, 2024

探究医患对话摘要的稳健性：跨领域 SOAP 笔记分析

PDF
TL;DR研究考察了最先进的医患对话生成摘要模型在域外数据上的表现，将医患对话摘要模型分为两种配置，一种是通用模型，另一种是以 SOAP 部分生成摘要的模型。研究分析了基于微调语言模型和 GPT 的方法在两种配置上的局限性和优势，以及通过语言查询和词计数分析比较不同数据集中 SOAP 注释。结果显示，不同数据集中的参考注释之间存在很强的相关性，表明格式不匹配并非域外数据性能下降的主要原因。最后，还进行了 SOAP 注释的详细分析，以揭示模型引入的信息缺失和产生幻觉的性质。
发现论文，激发创造
  • 利用模块化摘要技术从医生 - 患者对话生成 SOAP 笔记

    通过使用深度总结模型生成 SOAP 注释，Cluster2Sent 算法可以提取与每个总结部分相关的重要话语，并将相关话语聚集在一起，然后生成每个类别的一句总结。

    May, 2020

  • 使用大型语言模型生成医学准确的患者 - 医生对话摘要：一种多阶段方法

    本研究使用 GPT-3 模型，将医学对话摘要问题离散成多个对话理解任务，并动态构建少样本提示进行实验，开发了基于 GPT 的度量标准，评估任务性能，经过研究评价证实，此方法生成的摘要临床准确性优于基准方法。

    May, 2023

  • Dr. Summarize: 利用本地结构全局总结医学对话

    本文提出一种基于指针生成网络的医疗对话摘要方法，该方法对医疗本体的使用进行了优化，能够很好地捕捉患者病史中的本地结构，获得了医生的青睐，是一种替代手动摘要方法的现实选择。

    Sep, 2020

  • 运用预训练模型对医患对话进行自动摘要

    本文研究使用预训练的转换器模型对医患对话转录进行自动摘要的可行性，展示了在特定构造的数据集上，使用有限的训练数据 fine-tuning BART 可以生成流畅而足够的摘要，其生成效果远远超过人工注释者和先前发表的作品质量，并提出了多阶段的方法来处理较长的对话。

    Sep, 2021

  • 领域特定文档的基于人物的摘要

    我们提出了一种使用医疗语料库有效微调领域特定小型基础语言模型 (Large Language Model) 的方法，并展示了可以使用基于人工智能的批评来有效评估摘要质量，并且这种基于人工智能的管道生成特定领域、针对个人需求的摘要可以以非常高效和低成本的方式轻松扩展到其他领域，如法律、企业文件、教育等。

    Jun, 2024

  • 将医疗对话分类为 SOAP 部分的公平性

    研究机器学习算法在医疗保健中的应用中的算法公平性问题，重点是分类医生与患者对话为医学 SOAP 笔记。使用多个指标对分类器性能进行测量，并发现少部分劣势群体之间存在微小的差异。进一步对这些对话中的语言进行分析，分层次分组，发现这些差异与医学约见类型（如精神科医生与内科医生）有关。我们的发现强调了了解数据本身中可能存在的差异以及如何影响模型平等分配利益的重要性。

    Dec, 2020

  • 使用大型语言模型从医生 - 患者对话中生成临床笔记：来自 MEDIQA-Chat 的见解

    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

  • 利用预训练的序列到序列模型从医院病历记录中总结患者问题

    本研究提出了一项新的自然语言处理任务，旨在利用医生在住院期间的病程记录摘要产生病人日常护理计划中的问题列表，并使用自然语言处理技术实现了该任务，结果表明，使用 T5 和 BART 两种 state-of-the-art seq2seq transformer architecturs 并配合领域适应预训练法，比基于规则的系统和基于通用域预训练语言模型的解决方案取得更好的性能。

    Aug, 2022

  • 基于数据的方法生成忠实和高质量的患者总结（利用大型语言模型）

    使用大型语言模型生成基于医生笔记的患者摘要，研究训练数据对生成摘要的准确性和质量的影响，使用对幻觉的严格标注协议，评估基于 Llama 2 和 GPT-4 的生成摘要的幻觉现象及相关信息。

    Feb, 2024

  • 本体感知的临床抽象摘要

    通过添加领域特定本体信息增强内容选择和摘要生成，我们的序列到序列抽象式摘要模型的应用于放射学报告数据集，能够显著优于当前最先进的方法，同时经过放射学家的人类评估，表明该方法生成的摘要不太可能省略重要细节，而且读起来依然具有可读性和准确性。

    May, 2019