Fugu-MT 論文翻訳(概要): Query-Focused EHR Summarization to Aid Imaging Diagnosis

論文の概要: Query-Focused EHR Summarization to Aid Imaging Diagnosis

arxiv url: http://arxiv.org/abs/2004.04645v2
Date: Sun, 26 Apr 2020 04:25:30 GMT
ステータス: 処理完了
システム内更新日: 2022-12-15 02:10:07.680102
Title: Query-Focused EHR Summarization to Aid Imaging Diagnosis
Title（参考訳）: 画像診断支援のための問合せ型EHR要約
Authors: Denis Jered McInerney, Borna Dabiri, Anne-Sophie Touret, Geoffrey Young, Jan-Willem van de Meent, Byron C. Wallace
Abstract要約: 本稿では,患者記録から関連するテキストスニペットを抽出し,大まかな症例要約を提供するモデルを提案し,評価する。我々は,「未来」記録で観察される国際疾患分類(ICD)コード群を,「下流」診断のためのうるさいプロキシとして使用した。我々は、ボストンのブリガム・アンド・ウーマンズ病院とMIMIC-IIIのEHRデータに基づいて、このモデルのバリエーションを訓練し、評価する。
参考スコア（独自算出の注目度）: 22.21438906817433
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Electronic Health Records (EHRs) provide vital contextual information to radiologists and other physicians when making a diagnosis. Unfortunately, because a given patient's record may contain hundreds of notes and reports, identifying relevant information within these in the short time typically allotted to a case is very difficult. We propose and evaluate models that extract relevant text snippets from patient records to provide a rough case summary intended to aid physicians considering one or more diagnoses. This is hard because direct supervision (i.e., physician annotations of snippets relevant to specific diagnoses in medical records) is prohibitively expensive to collect at scale. We propose a distantly supervised strategy in which we use groups of International Classification of Diseases (ICD) codes observed in 'future' records as noisy proxies for 'downstream' diagnoses. Using this we train a transformer-based neural model to perform extractive summarization conditioned on potential diagnoses. This model defines an attention mechanism that is conditioned on potential diagnoses (queries) provided by the diagnosing physician. We train (via distant supervision) and evaluate variants of this model on EHR data from Brigham and Women's Hospital in Boston and MIMIC-III (the latter to facilitate reproducibility). Evaluations performed by radiologists demonstrate that these distantly supervised models yield better extractive summaries than do unsupervised approaches. Such models may aid diagnosis by identifying sentences in past patient reports that are clinically relevant to a potential diagnosis.
Abstract（参考訳）: 電子健康記録(ehrs)は、診断を行う際に放射線科医や他の医師に重要な文脈情報を提供する。残念なことに、患者の記録には数百のメモとレポートが含まれている可能性があるため、ケースに割り当てられた短い時間でそれらの中の関連情報を識別するのが非常に難しい。患者記録から関連するテキストスニペットを抽出するモデルを提案し評価し, 1つ以上の診断を考慮に入れるための粗い症例要約を提供する。これは、直接監督(すなわち、医療記録の特定の診断に関連するスニペットの医師の注釈)は、大規模に収集するのに非常に高価であるため、難しい。我々は,「未来」レコードに記録された国際疾病分類(icd)符号群を「下流」診断のためのノイズプロキシとして使用する遠隔監視戦略を提案する。これを用いることで、トランスフォーマリンモデルを用いて、潜在的な診断に基づいて抽出要約を行うように訓練する。このモデルは、診断医が提供する潜在的な診断(クエリ)を前提とした注意機構を定義する。我々は、ボストンのブリガム・アンド・ウーマンズ病院とMIMIC-III(後者は再現性を促進するため)のEHRデータに基づいて、このモデルのバリエーションを訓練し、評価する。放射線科医による評価は、これらの遠方の教師付きモデルが教師なしアプローチよりも優れた抽出要約をもたらすことを示している。このようなモデルは、潜在的な診断に臨床的に関連のある過去の患者の報告で文章を識別することで診断を助けることができる。

関連論文リスト

HIST-AID: Leveraging Historical Patient Reports for Enhanced Multi-Modal Automatic Diagnosis [38.13689106933105]
HIST-AIDは,過去の報告から自動診断精度を高めるフレームワークである。 AUROCは6.56%増加し、AUPRCは9.51%向上した。
論文参考訳（メタデータ） (2024-11-16T03:20:53Z)
MAGDA: Multi-agent guideline-driven diagnostic assistance [43.15066219293877]
救急部門、地方病院、または未開発地域の診療所では、臨床医は訓練された放射線技師による高速な画像分析を欠いていることが多い。本研究では,ゼロショットガイドライン駆動意思決定支援のための新しいアプローチを提案する。我々は、患者診断に到達するために協調する、対照的な視覚言語モデルで強化された複数のLLMエージェントのシステムをモデル化する。
論文参考訳（メタデータ） (2024-09-10T09:10:30Z)
A Lung Nodule Dataset with Histopathology-based Cancer Type Annotation [12.617587827105496]
本研究は,医療診断用データセットと信頼性ツールを提供することにより,このギャップを埋めることを目的としている。 330個の注記結節(結節は束縛箱とラベル付けされている)を95名の別患者から抽出し,CT画像の多彩なデータセットを収集した。これらの有望な結果は、データセットが実現可能であり、さらにインテリジェントな補助診断を容易にすることを証明している。
論文参考訳（メタデータ） (2024-06-26T06:39:11Z)
Towards Reducing Diagnostic Errors with Interpretable Risk Prediction [18.474645862061426]
特定診断のリスクの増大または低下を示す患者EHRデータ中の証拠片をLCMを用いて同定する方法を提案する。私たちの究極の目標は、証拠へのアクセスを増やし、診断エラーを減らすことです。
論文参考訳（メタデータ） (2024-02-15T17:05:48Z)
Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文参考訳（メタデータ） (2023-11-18T14:52:26Z)
ChatRadio-Valuer: A Chat Large Language Model for Generalizable Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。 ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
論文参考訳（メタデータ） (2023-10-08T17:23:17Z)
Xplainer: From X-Ray Observations to Explainable Zero-Shot Diagnosis [36.45569352490318]
臨床現場でのゼロショット診断のためのフレームワークであるXplainerを紹介した。 Xplainerは、コントラッシブ・ビジョン言語モデルの分類・記述アプローチをマルチラベル診断タスクに適用する。我々の結果は、Xplainerが意思決定プロセスをより詳細に理解していることを示唆している。
論文参考訳（メタデータ） (2023-03-23T16:07:31Z)
Exploring and Distilling Posterior and Prior Knowledge for Radiology Report Generation [55.00308939833555]
PPKEDには、Posterior Knowledge Explorer (PoKE), Prior Knowledge Explorer (PrKE), Multi-domain Knowledge Distiller (MKD)の3つのモジュールが含まれている。 PoKEは後部知識を探求し、視覚データのバイアスを軽減するために明確な異常な視覚領域を提供する。 PrKEは、以前の医学知識グラフ(医学知識)と以前の放射線学レポート(作業経験)から以前の知識を探り、テキストデータのバイアスを軽減する。
論文参考訳（メタデータ） (2021-06-13T11:10:02Z)
Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文参考訳（メタデータ） (2021-03-19T14:13:56Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文参考訳（メタデータ） (2020-03-14T02:05:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。