論文の概要: DialMed: A Dataset for Dialogue-based Medication Recommendation

• arxiv url: http://arxiv.org/abs/2203.07094v1
• Date: Tue, 22 Feb 2022 05:12:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-20 23:08:31.116341
• Title: DialMed: A Dataset for Dialogue-based Medication Recommendation
• Title（参考訳）: DialMed: 対話型医療勧告のためのデータセット
• Authors: Zhenfeng He and Yuqiang Han and Zhenqiu Ouyang and Wei Gao and Hongxu Chen and Guandong Xu and Jian Wu
• Abstract要約: 医師と患者との会話で医薬品を推奨する最初の試みを行う。 医療対話に基づく医薬品推奨タスクのための,最初の高品質なデータセットであるDialMedを構築した。
• 参考スコア（独自算出の注目度）: 20.08110449216702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medication recommendation is a crucial task for intelligent healthcare systems. Previous studies mainly recommend medications with electronic health records(EHRs). However, some details of interactions between doctors and patients may be ignored in EHRs, which are essential for automatic medication recommendation. Therefore, we make the first attempt to recommend medications with the conversations between doctors and patients. In this work, we construct DialMed, the first high-quality dataset for medical dialogue-based medication recommendation task. It contains 11,996 medical dialogues related to 16 common diseases from 3 departments and 70 corresponding common medications. Furthermore, we propose a Dialogue structure and Disease knowledge aware Network(DDN), where a graph attention network is utilized to model the dialogue structure and the knowledge graph is used to introduce external disease knowledge. The extensive experimental results demonstrate that the proposed method is a promising solution to recommend medications with medical dialogues. The dataset and code are available at https://github.com/Hhhhhhhzf/DialMed.
• Abstract（参考訳）: 医療勧告は知的医療システムにとって重要な課題である。 従来の研究は主に電子健康記録(EHR)を用いた薬剤を推奨していた。 しかしながら、医師と患者間の相互作用のいくつかの詳細は、自動医薬品推奨に必須の EHR で無視される可能性がある。 そこで我々は,医師と患者との会話で薬を推奨する試みを初めて行った。 本研究では, 医療対話型医薬品推奨タスクのための, 初の高品質データセット dialmed を構築した。 3つの部門から16の共通疾患に関連する11,996の医療対話と70の対応する一般的な薬物が含まれている。 さらに,対話構造と病的知識認識ネットワーク(DDN)を提案し,グラフ注意ネットワークを用いて対話構造をモデル化し,知識グラフを用いて外部疾患知識を導入する。 広範な実験結果から,提案手法は医療対話を伴う薬剤を推奨する有望な解決策であることが示唆された。 データセットとコードはhttps://github.com/hhhhhhhzf/dialmed.com/で入手できる。

関連論文リスト

• RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
  本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。 患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-22T17:44:40Z)
• MidMed: Towards Mixed-Type Dialogues for Medical Consultation [12.676937863407542]
  ほとんどの医療対話システムは、患者が医療相談の前に明確な目標(医療問合せ、外科手術問合せなど)を持つことを前提としている。 医療知識が不足しているため、患者が必要な全てのスロットで明確な目標を決定することは、通常困難である。 そこで我々は,MidMedと呼ばれる人-人-人-混在型医療相談対話コーパスを提案する。
  論文  参考訳（メタデータ） (2023-06-05T14:36:31Z)
• CDialog: A Multi-turn Covid-19 Conversation Dataset for Entity-Aware Dialog Generation [18.047064216849204]
  われわれは,CDialog と命名された Covid-19 病に関連する高品質な医療用ダイアログデータセットを公表した。 本稿では,CDialogデータセットに基づく新しい医用ダイアログシステムを提案する。
  論文  参考訳（メタデータ） (2022-11-16T11:07:34Z)
• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• 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)
• Conditional Generation Net for Medication Recommendation [73.09366442098339]
  医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。 医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。 提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-14T10:16:41Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• PREMIER: Personalized REcommendation for Medical prescrIptions from Electronic Records [8.365167718547296]
  われわれは、PreMIERと呼ばれる2段階の注意に基づくパーソナライズド医薬品レコメンデーションシステムを設計する。 本システムでは,患者に対する副作用を最小限に抑えるため,薬物間の相互作用を考慮に入れている。 MIMIC-IIIと独自の外来データセットの実験結果から、PreMIERは最先端の医薬品推奨システムより優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-28T04:48:32Z)
• On the Generation of Medical Dialogues for COVID-19 [60.63485429268256]
  新型コロナウイルス関連の症状を患ったり、危険因子に晒されたりする人は、医師に相談する必要がある。 医療専門家が不足しているため、多くの人がオンライン相談を受けることができない。 本研究の目的は、新型コロナウイルス関連の相談を提供する医療対話システムの構築である。
  論文  参考訳（メタデータ） (2020-05-11T21:23:43Z)
• MedDialog: Two Large-scale Medical Dialogue Datasets [27.619211324563498]
  我々はMedDialog-ENとMedDialog-CNという2つの大規模医療対話データセットを構築した。 MedDialog-ENは、患者と医師間の0.3万の会話と0.5万の発話を含む、英国のデータセットである。 MedDialog-CNは、1100万の会話と400万の発話を含む中国のデータセットである。
  論文  参考訳（メタデータ） (2020-04-07T13:07:09Z)

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。