論文の概要: Discovering key topics from short, real-world medical inquiries via natural language processing and unsupervised learning

• arxiv url: http://arxiv.org/abs/2012.04545v1
• Date: Tue, 8 Dec 2020 16:37:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-17 03:39:35.966472
• Title: Discovering key topics from short, real-world medical inquiries via natural language processing and unsupervised learning
• Title（参考訳）: 自然言語処理と教師なし学習による短期・実世界の医療問合せから重要な話題を見つける
• Authors: Angelo Ziletti, Christoph Berns, Oliver Treichel, Thomas Weber, Jennifer Liang, Stephanie Kammerath, Marion Schwaerzler, Jagatheswari Virayah, David Ruau, Xin Ma, Andreas Mattern
• Abstract要約: 毎年製薬会社から無許可の医療調査が受けられる。 これらの問い合わせは情報の宝庫であり、医薬品や関連する医療に関する問題に関する洞察を与える可能性があると仮定されている。 ここでは、自然言語処理と教師なし学習に基づく機械学習アプローチを提案し、顧客からの現実世界の医療相談における重要なトピックを発見します。
• 参考スコア（独自算出の注目度）: 1.0211498499530784
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Millions of unsolicited medical inquiries are received by pharmaceutical companies every year. It has been hypothesized that these inquiries represent a treasure trove of information, potentially giving insight into matters regarding medicinal products and the associated medical treatments. However, due to the large volume and specialized nature of the inquiries, it is difficult to perform timely, recurrent, and comprehensive analyses. Here, we propose a machine learning approach based on natural language processing and unsupervised learning to automatically discover key topics in real-world medical inquiries from customers. This approach does not require ontologies nor annotations. The discovered topics are meaningful and medically relevant, as judged by medical information specialists, thus demonstrating that unsolicited medical inquiries are a source of valuable customer insights. Our work paves the way for the machine-learning-driven analysis of medical inquiries in the pharmaceutical industry, which ultimately aims at improving patient care.
• Abstract（参考訳）: 毎年、何百万もの無言の医療調査が製薬会社から受け取られている。 これらの調査は情報の宝庫であり、薬品や関連する治療に関する洞察を与える可能性があると推測されている。 しかし,問合せの量や専門性から,タイムリーに,再帰的,包括的な分析を行うことは困難である。 本稿では,自然言語処理と教師なし学習に基づく機械学習手法を提案する。 このアプローチにはオントロジーやアノテーションは必要ない。 発見されたトピックは、医療情報の専門家によって判断されるように、意味があり、医学的に関連がある。 我々の研究は、最終的に患者のケアを改善することを目的とした、製薬業界における医療調査の機械学習による分析の道を開いた。

関連論文リスト

• A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
  医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。 本稿では,MVLMの概要と適用した各種医療課題について概観する。 また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
  論文  参考訳（メタデータ） (2024-11-19T03:27:05Z)
• Developing ChatGPT for Biology and Medicine: A Complete Review of Biomedical Question Answering [25.569980942498347]
  ChatGPTは、医療診断、治療レコメンデーション、その他の医療支援の提供において、QA(QA)の戦略的青写真を探っている。 これは、自然言語処理(NLP)とマルチモーダルパラダイムによる医療領域データの取り込みの増加によって達成される。
  論文  参考訳（メタデータ） (2024-01-15T07:21:16Z)
• Yes, this is what I was looking for! Towards Multi-modal Medical Consultation Concern Summary Generation [46.42604861624895]
  マルチモーダル・メディカル・コンシューム・サマリ・ジェネレーションの新しい課題を提案する。 患者のジェスチャーや表情などの非言語的手がかりは、患者の懸念を正確に識別するのに役立つ。 マルチモーダル・メディカル・コンシューム・サマリー・ジェネレーション・コーパスを構築。
  論文  参考訳（メタデータ） (2024-01-10T12:56:47Z)
• LLaVA-Med: Training a Large Language-and-Vision Assistant for Biomedicine in One Day [85.19963303642427]
  本稿では,バイオメディカルイメージのオープンな研究課題に答えられる視覚言語対話アシスタントを訓練するための費用効率のよいアプローチを提案する。 モデルはまず、フィギュア・キャプションのペアを使ってバイオメディカル・ボキャブラリをアライメントし、その後、オープンエンドの会話意味論を習得する。 これにより、バイオメディジンのための大規模言語と視覚アシスタントを15時間以内で(8つのA100で)訓練することができる。
  論文  参考訳（メタデータ） (2023-06-01T16:50:07Z)
• Prompt Engineering for Healthcare: Methodologies and Applications [93.63832575498844]
  本総説では,医学分野の自然言語処理分野における情報工学の最近の進歩を紹介する。 我々は、迅速なエンジニアリングの開発を提供し、その医療自然言語処理アプリケーションへの重要な貢献を強調します。
  論文  参考訳（メタデータ） (2023-04-28T08:03:42Z)
• A Benchmark for Automatic Medical Consultation System: Frameworks, Tasks and Datasets [70.32630628211803]
  本稿では,医師と患者との対話理解とタスク指向インタラクションという,医療相談の自動化を支援する2つの枠組みを提案する。 マルチレベルな微粒なアノテーションを付加した新しい大規模医療対話データセットが導入された。 本稿では,各タスクに対するベンチマーク結果のセットを報告し,データセットのユーザビリティを示し,今後の研究のベースラインを設定する。
  論文  参考訳（メタデータ） (2022-04-19T16:43:21Z)
• Medical Visual Question Answering: A Survey [55.53205317089564]
  VQA(Medicical Visual Question Answering)は、医療用人工知能と一般的なVQA課題の組み合わせである。 医療用VQAシステムは,医療用画像と自然言語による臨床的に関連性のある質問を前提として,妥当かつ説得力のある回答を予測することが期待されている。
  論文  参考訳（メタデータ） (2021-11-19T05:55:15Z)
• Retrieving and ranking short medical questions with two stages neural matching model [3.8020157990268206]
  インターネットユーザーの80%が、オンライン上で健康に関する質問をしている。 医学分野における代表的な質問や回答は、医療データマイニングに有用な原資料である。 問合せレベルの医療質問のセマンティックマッチングのための新しい2段階フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-16T07:00:35Z)
• Dr. Summarize: Global Summarization of Medical Dialogue by Exploiting Local Structures [4.3012765978447565]
  本稿では,患者の医療履歴を収集する際,一意で独立した局所構造を生かした医療会話要約手法を提案する。 提案手法は,ベースラインポインタジェネレータモデルに対するポインタ数を2倍にし,会話の80%で情報の大部分あるいは全部をキャプチャする。
  論文  参考訳（メタデータ） (2020-09-18T07:35:44Z)
• Focused Clinical Query Understanding and Retrieval of Medical Snippets powered through a Healthcare Knowledge Graph [0.24791530657039354]
  臨床医は、医学や患者医療の実践中に複数の文献から正確な、簡潔で、更新され、信頼できる医療情報を検索し、合成するためのいくつかの重要な障壁に直面している。 我々は、臨床検索クエリの背後にあるクエリ意図を解釈し、さまざまな医療文献のコーパスから関連する医療スニペットを取得するために、ヘルスケア知識グラフを活用したフォーカスド・クリニカルサーチ・サービスの開発を支援する。
  論文  参考訳（メタデータ） (2020-09-17T14:18:38Z)

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。