Fugu-MT 論文翻訳(概要): A Dialogue-based Information Extraction System for Medical Insurance Assessment

論文の概要: A Dialogue-based Information Extraction System for Medical Insurance Assessment

arxiv url: http://arxiv.org/abs/2107.05866v1
Date: Tue, 13 Jul 2021 06:14:08 GMT
ステータス: 処理完了
システム内更新日: 2021-07-14 14:38:53.987356
Title: A Dialogue-based Information Extraction System for Medical Insurance Assessment
Title（参考訳）: 医療保険評価のための対話型情報抽出システム
Authors: Shuang Peng, Mengdi Zhou, Minghui Yang, Haitao Mi, Shaosheng Cao, Zujie Wen, Teng Xu, Hongbin Wang, Lei Liu
Abstract要約: 中国の医療保険業界では、査定官の役割は不可欠であり、請求者との会話に多大な努力を要する。新型コロナウイルス(COVID-19)のパンデミックのため、以前のオフライン保険評価をオンラインで実施する必要がある。医療保険評価のための高度なNLP技術を統合する対話型情報抽出システムを提案する。
参考スコア（独自算出の注目度）: 8.681697984854397
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the Chinese medical insurance industry, the assessor's role is essential and requires significant efforts to converse with the claimant. This is a highly professional job that involves many parts, such as identifying personal information, collecting related evidence, and making a final insurance report. Due to the coronavirus (COVID-19) pandemic, the previous offline insurance assessment has to be conducted online. However, for the junior assessor often lacking practical experience, it is not easy to quickly handle such a complex online procedure, yet this is important as the insurance company needs to decide how much compensation the claimant should receive based on the assessor's feedback. In order to promote assessors' work efficiency and speed up the overall procedure, in this paper, we propose a dialogue-based information extraction system that integrates advanced NLP technologies for medical insurance assessment. With the assistance of our system, the average time cost of the procedure is reduced from 55 minutes to 35 minutes, and the total human resources cost is saved 30% compared with the previous offline procedure. Until now, the system has already served thousands of online claim cases.
Abstract（参考訳）: 中国の医療保険業界では、査定官の役割は必須であり、請求者との会話に多大な努力を要する。これは非常に専門的な仕事であり、個人情報の特定、関連する証拠の収集、最終保険報告書の作成など、多くの部分に関わる。新型コロナウイルス(COVID-19)パンデミックのため、以前のオフライン保険評価をオンラインで実施する必要がある。しかし, 実践経験が乏しいジュニアアセステータにおいては, このような複雑なオンライン手続きを迅速に扱うことは容易ではないが, 保険会社は, 評価者のフィードバックに基づいて, どれだけの補償を受けるべきかを判断する必要がある。本稿では,医療保険評価のための高度なNLP技術を統合した対話型情報抽出システムを提案する。システムの補助により, 作業時間の平均コストを55分から35分に短縮し, 人的資源コストを従来のオフライン処理と比較して30%削減した。これまで、このシステムは何千ものオンラインクレームケースを提供してきた。

関連論文リスト

Spoken Dialogue System for Medical Prescription Acquisition on Smartphone: Development, Corpus and Evaluation [0.11184789007828977]
本稿では,スマートフォン上でアクセス可能な音声対話システムという形で,e-prescribing softwareのための自然言語インタフェースを提案する。システムは、プリスクライブソフトウェアでチェック可能な処方薬の正式な表現を抽出する。
論文参考訳（メタデータ） (2023-11-06T20:36:55Z)
MedAlign: A Clinician-Generated Dataset for Instruction Following with Electronic Medical Records [60.35217378132709]
大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
論文参考訳（メタデータ） (2023-08-27T12:24:39Z)
Retrieve, Reason, and Refine: Generating Accurate and Faithful Patient Instructions [65.11629300465812]
臨床作業量を削減しつつ,不完全性を回避する客観的な手段を提供する新しい課題を提案する。 Re3Writerは医師の作業パターンを模倣し、医師によって書かれた歴史的なPIから関連する作業経験を最初に取得する。その後、回収された作業経験を洗練させ、医療知識を推論して有用な情報を抽出する。
論文参考訳（メタデータ） (2022-10-23T16:34:39Z)
Medical Question Understanding and Answering with Knowledge Grounding and Semantic Self-Supervision [53.692793122749414]
本稿では,知識基盤とセマンティック・セルフスーパービジョンを備えた医療質問理解・回答システムについて紹介する。我々のシステムは、まず、教師付き要約損失を用いて、長い医学的、ユーザによる質問を要約するパイプラインである。システムはまず、信頼された医療知識ベースから要約されたユーザ質問とFAQとをマッチングし、対応する回答文書から一定の数の関連文を検索する。
論文参考訳（メタデータ） (2022-09-30T08:20:32Z)
Towards Responsible Medical Diagnostics Recommendation Systems [2.728575246952532]
医療現場における責任あるレコメンデーションシステムの設計について概説する。我々は、説明責任、安全性、公正性に特に焦点をあてて、潜在的な設計選択と基準について議論する。
論文参考訳（メタデータ） (2022-09-08T12:13:28Z)
SupervisorBot: NLP-Annotated Real-Time Recommendations of Psychotherapy Treatment Strategies with Deep Reinforcement Learning [13.173307471333619]
本稿では,心理療法セッション中のセラピストに対して,リアルタイムで治療戦略を提案するレコメンデーションシステムを提案する。本システムでは,評価項目の深層埋め込みと患者が話している現在文との類似度スコアを計算し,治療結果を予測するターンレベル評価機構を用いる。
論文参考訳（メタデータ） (2022-08-27T19:22:53Z)
Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
論文参考訳（メタデータ） (2022-01-11T13:55:57Z)
Auto Response Generation in Online Medical Chat Services [0.0]
医師が相談要求に効率的に反応できるスマートな自動応答生成機構を開発した。 9ヶ月にわたって収集された医師と患者の匿名、歴史的なオンラインメッセージ9万件を探索する。
論文参考訳（メタデータ） (2021-04-26T17:45:10Z)
Artificial Intelligence Decision Support for Medical Triage [0.0]
我々はトリアージシステムを開発し、現在、ヨーロッパ最大の遠隔医療プロバイダーで使用中である。本システムは,モバイルアプリケーションを用いた患者とのインタラクションを通じて,ケア代替案の評価を行う。最初の一連の症状に基づいて、トリアージアプリケーションはAIを利用したパーソナライズされた質問を生成し、問題をより正確に識別する。
論文参考訳（メタデータ） (2020-11-09T16:45:01Z)
Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文参考訳（メタデータ） (2020-11-02T08:46:27Z)
Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
論文参考訳（メタデータ） (2020-02-27T17:04:07Z)

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。