論文の概要: An NLP Solution to Foster the Use of Information in Electronic Health
Records for Efficiency in Decision-Making in Hospital Care
- arxiv url: http://arxiv.org/abs/2202.12159v1
- Date: Thu, 24 Feb 2022 15:52:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-25 17:05:35.240691
- Title: An NLP Solution to Foster the Use of Information in Electronic Health
Records for Efficiency in Decision-Making in Hospital Care
- Title(参考訳): 病院ケアにおける意思決定効率向上のための電子健康記録における情報活用を促進するnlpソリューション
- Authors: Adelino Leite-Moreira, Afonso Mendes, Afonso Pedrosa, Am\^andio
Rocha-Sousa, Ana Azevedo, Andr\'e Amaral-Gomes, Cl\'audia Pinto, Helena
Figueira, Nuno Rocha Pereira, Pedro Mendes, Tiago Pimenta
- Abstract要約: このプロジェクトは、ポルトガル語で書かれたフリーテキスト臨床記録内の属性を自動的に識別するためのルールを定義し、技術的ソリューションを開発することを目的としている。
プロジェクトの目標は、臨床医、疫学者、計算言語学者、機械学習研究者、ソフトウェアエンジニアを含む複数の学際的なチームによって達成された。
- 参考スコア(独自算出の注目度): 0.26340862968426904
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The project aimed to define the rules and develop a technological solution to
automatically identify a set of attributes within free-text clinical records
written in Portuguese. The first application developed and implemented on this
basis was a structured summary of a patient's clinical history, including
previous diagnoses and procedures, usual medication, and relevant
characteristics or conditions for clinical decisions, such as allergies, being
under anticoagulant therapy, etc. The project's goal was achieved by a
multidisciplinary team that included clinicians, epidemiologists, computational
linguists, machine learning researchers and software engineers, bringing
together the expertise and perspectives of a public hospital, the university
and the private sector. Relevant benefits to users and patients are related
with facilitated access to the patient's history, which translates into
exhaustiveness in apprehending the patient's clinical past and efficiency due
to time saving.
- Abstract(参考訳): このプロジェクトは、ルールを定義し、ポルトガル語で書かれたフリーテキスト臨床記録の中で属性のセットを自動的に識別する技術ソリューションを開発することを目的としていた。
この基礎に基づいて開発・実施された最初の応用は、前回の診断・治療、通常の薬品、アレルギー、抗凝固療法など臨床決定に関連する特徴や条件を含む患者の臨床履歴の構造化された要約であった。
プロジェクトの目標は、臨床医、疫学者、計算言語学者、機械学習研究者、ソフトウェアエンジニアを含む多分野のチームによって達成され、公立病院、大学、民間部門の専門知識と視点が統合された。
患者と患者に対する関連する利益は、患者の歴史へのアクセスを促進することに関連しており、これは患者の臨床経過と時間的節約による効率の低下に繋がる。
関連論文リスト
- AI Hospital: Interactive Evaluation and Collaboration of LLMs as Intern
Doctors for Clinical Diagnosis [72.50974375416239]
リアルタイムのインタラクティブな診断環境を構築するために設計されたフレームワークであるAI Hospitalを紹介する。
様々な大規模言語モデル(LLM)は、対話的診断のためのインターン医師として機能する。
我々は,医療部長の監督の下で,反復的な議論と紛争解決プロセスを含む協調的なメカニズムを導入する。
論文 参考訳(メタデータ) (2024-02-15T06:46:48Z) - Generative Large Language Models are autonomous practitioners of
evidence-based medicine [27.229179922424063]
EBM(エビデンス・ベース・メディカル)は、臨床医学の基礎であり、臨床医が継続的に知識を更新し、患者医療に最良の臨床証拠を適用する必要がある。
EBMの実践は、医学研究の急速な進歩による課題に直面し、臨床医に情報過負荷をもたらす。
人工知能(AI)の統合、特にジェネレーティブ・大型言語モデル(LLM)は、この複雑さを管理するための有望なソリューションを提供する。
論文 参考訳(メタデータ) (2024-01-05T15:09:57Z) - Automated Clinical Coding for Outpatient Departments [14.923343535929515]
本報告は,病院における外来医療における最先端の深層学習に基づく臨床コーディング手法の有効性を検討するための最初の試みである。
私たちは、500万人以上の患者を記録した700万以上のノートからなる、大規模な外来患者データセットを収集します。
我々はこの設定に4つの最先端の臨床的コーディングアプローチを適用し、コーダを補助する可能性を評価する。
論文 参考訳(メタデータ) (2023-12-21T02:28:29Z) - Medication Recommendation via Domain Knowledge Informed Deep Learning [13.775390564032994]
電子カルテから薬を推奨する学習は、以前の研究で最も一般的な方法である。
本研究は,新しいtextbfDomain textbfKnowledge textbfInformed textbfNetwork (DKINet) を提案する。
論文 参考訳(メタデータ) (2023-05-31T07:22:15Z) - Identification, explanation and clinical evaluation of hospital patient
subtypes [50.591267188664666]
本研究は、2017年から2021年にかけて、英国にある大病院で入院した入院患者のサブタイプを特定するために、教師なしの機械学習技術を用いたパイプラインを提案する。
最先端の説明可能性技術を用いることで、特定されたサブタイプを解釈し、臨床的な意味を付与する。
同時に、臨床医は臨床知識の文脈において、特定された患者サブタイプのクラスタ内類似度とクラスタ間差異を評価した。
論文 参考訳(メタデータ) (2023-01-19T11:42:09Z) - 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) - Enriching Unsupervised User Embedding via Medical Concepts [51.17532619610099]
教師なしのユーザ埋め込みは、患者を人間の監督なしに、固定長のベクターにエンコードすることを目的としている。
臨床ノートから抽出された医療概念は、患者とその臨床カテゴリ間の豊富な関係を含んでいる。
本稿では,2つの臨床コーパスからテキスト文書と医療概念を共同で活用する,非教師なしユーザ埋め込みを提案する。
論文 参考訳(メタデータ) (2022-03-20T18:54:05Z) - VBridge: Connecting the Dots Between Features, Explanations, and Data
for Healthcare Models [85.4333256782337]
VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。
我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。
症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
論文 参考訳(メタデータ) (2021-08-04T17:34:13Z) - Benchmarking Automated Clinical Language Simplification: Dataset,
Algorithm, and Evaluation [48.87254340298189]
我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。
我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
論文 参考訳(メタデータ) (2020-12-04T06:09:02Z) - Clinical Recommender System: Predicting Medical Specialty Diagnostic
Choices with Neural Network Ensembles [6.015709234901588]
本稿では,患者の最新の臨床記録に基づいて,必要な診断手順のセットを推奨するデータ駆動モデルを提案する。
これにより、医療システムは、患者の初期医療専門性診断ワークアップへのタイムリーなアクセスを拡大できる可能性がある。
論文 参考訳(メタデータ) (2020-07-23T17:50:15Z) - Psychiatric Home Treatment for Inpatient Care -- Design, Implementation
and Participation [0.0]
ドイツでは、2018年から新たなタイプの精神科的在宅治療(in patient equivalent treatment, IET)が提供されている。
本研究では,情報通信技術(ICT)が新たな環境とどのように相互作用し,そのプロセスを改善するかを検討する。
論文 参考訳(メタデータ) (2020-06-02T11:17:42Z)
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。