論文の概要: Fast, Structured Clinical Documentation via Contextual Autocomplete
- arxiv url: http://arxiv.org/abs/2007.15153v1
- Date: Wed, 29 Jul 2020 23:43:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 19:26:40.820662
- Title: Fast, Structured Clinical Documentation via Contextual Autocomplete
- Title（参考訳）: 文脈オートコンプリートによる高速構造化臨床文書化
- Authors: Divya Gopinath, Monica Agrawal, Luke Murray, Steven Horng, David
Karger, David Sontag
- Abstract要約: 本稿では、学習した自動補完機構を用いて、半構造化された臨床文書の迅速な作成を容易にするシステムを提案する。
そこで我々は,非構造化医療データと構造化医療データの両方の特徴を活用して,医師がノートを起草する際の関連する臨床概念を動的に提案する。
本アルゴリズムでは, 医療用語から抽出した臨床概念のクリーンなラベルで, 自動的に注釈を付けることができる。
- 参考スコア（独自算出の注目度）: 6.919190099968202
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a system that uses a learned autocompletion mechanism to
facilitate rapid creation of semi-structured clinical documentation. We
dynamically suggest relevant clinical concepts as a doctor drafts a note by
leveraging features from both unstructured and structured medical data. By
constraining our architecture to shallow neural networks, we are able to make
these suggestions in real time. Furthermore, as our algorithm is used to write
a note, we can automatically annotate the documentation with clean labels of
clinical concepts drawn from medical vocabularies, making notes more structured
and readable for physicians, patients, and future algorithms. To our knowledge,
this system is the only machine learning-based documentation utility for
clinical notes deployed in a live hospital setting, and it reduces keystroke
burden of clinical concepts by 67% in real environments.
- Abstract（参考訳）: 本稿では,半構造化臨床文書の迅速な作成を容易にするために,学習された自己補完機構を用いたシステムを提案する。
医師が非構造化医療データと構造化医療データの両方の特徴を利用してノートを作成するとき、関連する臨床概念を動的に提案する。
アーキテクチャを浅いニューラルネットワークに制限することで、これらの提案をリアルタイムで行うことができます。
さらに,このアルゴリズムをメモ作成に利用することで,医師や患者,将来的なアルゴリズムに対して,医用語彙から抽出した臨床概念のクリーンラベルを自動注釈化し,より構造化され,読みやすくする。
私たちの知る限り、このシステムは、実病院に配備された臨床ノートのための機械学習ベースの文書作成ユーティリティであり、実環境において臨床概念のキーストローク負担を67%削減します。
関連論文リスト
- Improving Clinical Note Generation from Complex Doctor-Patient Conversation [20.2157016701399]
大言語モデル(LLM)を用いた臨床ノート作成分野への3つの重要な貢献について述べる。
まず、CliniKnoteを紹介します。CliniKnoteは、1200の複雑な医師と患者との会話と、その全臨床ノートを組み合わせたデータセットです。
第2に,従来のSOAPcitepodder20soap(Subjective, Objective, Assessment, Plan)のメモを上位にキーワードセクションを追加することで,必須情報の迅速な識別を可能にするK-SOAPを提案する。
第3に、医師と患者との会話からK-SOAPノートを生成する自動パイプラインを開発し、様々な近代LCMをベンチマークする。
論文 参考訳（メタデータ） (2024-08-26T18:39:31Z) - Conceptualizing Machine Learning for Dynamic Information Retrieval of
Electronic Health Record Notes [6.1656026560972]
本研究は、特定の臨床コンテキストにおける注記関連性の監督源として、機械学習におけるEHR監査ログの使用を概念化したものである。
本手法は,個々のノート作成セッションでどのノートが読み込まれるかを予測するために0.963のAUCを実現できることを示す。
論文 参考訳（メタデータ） (2023-08-09T21:04:19Z) - Detecting automatically the layout of clinical documents to enhance the
performances of downstream natural language processing [53.797797404164946]
我々は,臨床用PDF文書を処理し,臨床用テキストのみを抽出するアルゴリズムを設計した。
このアルゴリズムは、PDFを使った最初のテキスト抽出と、続いてボディテキスト、左書き、フッタなどのカテゴリに分類される。
それぞれのセクションのテキストから興味ある医学的概念を抽出し,医療的パフォーマンスを評価した。
論文 参考訳（メタデータ） (2023-05-23T08:38:33Z) - Development and validation of a natural language processing algorithm to
pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。
臨床文献のコーパスを12種類に分類した。
私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
論文 参考訳（メタデータ） (2023-03-23T17:17:46Z) - Classifying Unstructured Clinical Notes via Automatic Weak Supervision [17.45660355026785]
クラスラベル記述のみから学習する、一般的な弱教師付きテキスト分類フレームワークを導入する。
我々は、事前訓練された言語モデルとデータプログラミングフレームワークに格納された言語ドメインの知識を活用して、テキストにコードラベルを割り当てる。
論文 参考訳（メタデータ） (2022-06-24T05:55:49Z) - User-Driven Research of Medical Note Generation Software [49.85146209418244]
本稿では,医療用ノート生成システム開発における3ラウンドのユーザスタディについて述べる。
参加する臨床医の印象と,システムがどのようにそれらに価値あるものに適合すべきかの視点について論じる。
遠隔医療における3週間のシステムテストについて述べる。
論文 参考訳（メタデータ） (2022-05-05T10:18:06Z) - A Unified Review of Deep Learning for Automated Medical Coding [12.720016900175462]
本稿では,医療用符号化モデルの構成要素を汎用的に理解するための統一的な枠組みを提案する。
本フレームワークは, テキスト特徴抽出のためのエンコーダモジュール, 隠蔽表現を医療コードに変換するデコーダモジュール, 補助情報の利用の4つの主要コンポーネントに分解する。
論文 参考訳（メタデータ） (2022-01-08T09:37:23Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳（メタデータ） (2021-08-02T10:42:52Z) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳（メタデータ） (2021-02-26T17:49:58Z)
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。