論文の概要: Medicines Question Answering System, MeQA

• arxiv url: http://arxiv.org/abs/2111.02760v1
• Date: Thu, 4 Nov 2021 11:20:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-05 15:04:11.043971
• Title: Medicines Question Answering System, MeQA
• Title（参考訳）: 医薬質問応答システム, meqa
• Authors: Jes\'us Santamar\'ia
• Abstract要約: MeQAは、医療に関する質問に答えることのできるシステムである。 MeQAはスペイン医薬品衛生庁によって設立された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper we present the first system in Spanish capable of answering questions about medicines for human use, called MeQA (Medicines Question Answering), a project created by the Spanish Agency for Medicines and Health Products (AEMPS, for its acronym in Spanish). Online services that offer medical help have proliferated considerably, mainly due to the current pandemic situation due to COVID-19. For example, websites such as Doctoralia, Savia, or SaludOnNet, offer Doctor Answers type consultations, in which patients or users can send questions to doctors and specialists, and receive an answer in less than 24 hours. Many of the questions received are related to medicines for human use, and most can be answered through the leaflets. Therefore, a system such as MeQA capable of answering these types of questions automatically could alleviate the burden on these websites, and it would be of great use to such patients.
• Abstract（参考訳）: 本稿では,スペインの医薬品・健康製品庁(AEMPS)が作成する「MeQA(Medicines Question Answering)」と呼ばれる,人体用医薬品に関する質問に答えることのできるスペイン語初のシステムについて述べる。 医療支援を提供するオンラインサービスは、新型コロナウイルス(covid-19)による現在のパンデミックの影響で、急速に拡大している。 例えば、doctoralia、savia、saludonnetなどのウェブサイトでは、患者やユーザが医師や専門家に質問を送信し、24時間以内で回答を受け取るための、doctor answersタイプのコンサルテーションを提供している。 受け取った質問の多くは、人間の使用のための医薬品に関連しており、ほとんどはリーフレットを通して答えることができる。 したがって、このような質問に自動的に答えられるMeQAのようなシステムは、これらのウェブサイトの負担を軽減することができ、そのような患者にとって非常に有用である。

関連論文リスト

• 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)
• XAIQA: Explainer-Based Data Augmentation for Extractive Question Answering [1.1867812760085572]
  我々は,電子カルテで自然に利用可能なデータから,合成QAペアを大規模に生成するための新しいアプローチであるXAIQAを紹介する。 本手法は、分類モデル説明器の考え方を用いて、医療規範に対応する医療概念に関する質問や回答を生成する。
  論文  参考訳（メタデータ） (2023-12-06T15:59:06Z)
• 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)
• Improving the Question Answering Quality using Answer Candidate Filtering based on Natural-Language Features [117.44028458220427]
  本稿では,質問応答(QA)の品質をいかに改善できるかという課題に対処する。 私たちの主な貢献は、QAシステムが提供する間違った回答を識別できるアプローチです。 特に,提案手法は誤答の大部分を除去しつつ,その可能性を示した。
  論文  参考訳（メタデータ） (2021-12-10T11:09:44Z)
• 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)
• Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex Healthcare Question Answering [89.76059961309453]
  HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。 これらの質問は、現在のQAシステムにとって最も難しいものです。 知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。 市販の事前訓練モデルを完全に活用しようと努力しています。
  論文  参考訳（メタデータ） (2020-08-06T02:47:46Z)
• Effective Transfer Learning for Identifying Similar Questions: Matching User Questions to COVID-19 FAQs [5.512295869673147]
  医療質問応答対にニューラルネットワークを事前学習する2つの微調整アプローチが,医療質問類似性を決定するのに有用な中間課題であることを示す。 また、トレーニングされたモデルを使用して、ユーザの質問と新型コロナウイルス関連のFAQをマッチングする、現在稼働中のシステムについても説明する。
  論文  参考訳（メタデータ） (2020-08-04T18:20:04Z)
• Transforming unstructured voice and text data into insight for paramedic emergency service using recurrent and convolutional neural networks [68.8204255655161]
  救急隊員は救急車内で限られた時間内に救命判断をしなければならないことが多い。 本研究の目的は、音声とテキストデータを自動的に融合して、救急隊員に適切な状況認識情報を提供することである。
  論文  参考訳（メタデータ） (2020-05-30T06:47:02Z)
• Automated Question Answer medical model based on Deep Learning Technology [0.43748379918040853]
  本研究は、RNNのフレームワークとエンコーダデコーダを用いてエンドツーエンドモデルをトレーニングし、少数の医療・健康問題に対する賢明で有用な回答を生成する。 提案モデルは、WebMD、HealthTap、eHealthForums、iCliniqなど、さまざまなオンラインサービスからのデータを用いて、トレーニングと評価を行った。
  論文  参考訳（メタデータ） (2020-05-21T01:40:01Z)

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。