論文の概要: PainPoints: A Framework for Language-based Detection of Chronic Pain and
Expert-Collaborative Text-Summarization
- arxiv url: http://arxiv.org/abs/2209.09814v1
- Date: Wed, 14 Sep 2022 06:08:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 17:14:53.590792
- Title: PainPoints: A Framework for Language-based Detection of Chronic Pain and
Expert-Collaborative Text-Summarization
- Title（参考訳）: PainPoints: 言語による慢性痛の検出と専門家共同テキスト要約のためのフレームワーク
- Authors: Shreyas Fadnavis, Amit Dhurandhar, Raquel Norel, Jenna M Reinen, Carla
Agurto, Erica Secchettin, Vittorio Schweiger, Giovanni Perini, Guillermo
Cecchi
- Abstract要約: PainPointsは、サブタイプの痛みを検出し、患者のインタビューを要約することで臨床メモを生成するフレームワークである。
PainPointsは、FMおよびNP患者のインタビューから得られたテキストの文レベルの分類を行うために、大きな言語モデルを使用している。
フェースベースの新しいアプローチを導入することにより、専門家による介入を通じて、これらのインタビューの要約を生成する。
- 参考スコア（独自算出の注目度）: 9.429043279361148
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Chronic pain is a pervasive disorder which is often very disabling and is
associated with comorbidities such as depression and anxiety. Neuropathic Pain
(NP) is a common sub-type which is often caused due to nerve damage and has a
known pathophysiology. Another common sub-type is Fibromyalgia (FM) which is
described as musculoskeletal, diffuse pain that is widespread through the body.
The pathophysiology of FM is poorly understood, making it very hard to
diagnose. Standard medications and treatments for FM and NP differ from one
another and if misdiagnosed it can cause an increase in symptom severity. To
overcome this difficulty, we propose a novel framework, PainPoints, which
accurately detects the sub-type of pain and generates clinical notes via
summarizing the patient interviews. Specifically, PainPoints makes use of large
language models to perform sentence-level classification of the text obtained
from interviews of FM and NP patients with a reliable AUC of 0.83. Using a
sufficiency-based interpretability approach, we explain how the fine-tuned
model accurately picks up on the nuances that patients use to describe their
pain. Finally, we generate summaries of these interviews via expert
interventions by introducing a novel facet-based approach. PainPoints thus
enables practitioners to add/drop facets and generate a custom summary based on
the notion of "facet-coverage" which is also introduced in this work.
- Abstract（参考訳）: 慢性的な痛みは、しばしば非常に不快で、うつ病や不安などの共生と関連している広汎な障害である。
神経病理性痛 (NP) は、神経損傷によってしばしば引き起こされる一般的なサブタイプであり、既知の病態を持つ。
もう一つの一般的なサブタイプはFibromyalgia(FM)であり、体内に広がる筋骨格、びまん性痛みである。
FMの病態は理解されていないため診断は非常に困難である。
FMおよびNPの標準薬と治療は互いに異なり、誤診すると症状の重症度が増加する可能性がある。
そこで我々は,痛みのサブタイプを正確に検出し,患者インタビューを要約して臨床メモを生成する新しい枠組みPainPointsを提案する。
具体的には、大規模な言語モデルを用いて、信頼性のあるauc 0.83のfm患者とnp患者のインタビューから得られたテキストの文レベルの分類を行う。
本稿では, 患者が痛みを説明するために使用するニュアンスを, 微調整モデルで正確に把握する方法を説明する。
最後に,これらインタビューの要約を専門家による介入を通じて生成し,新しいファセットベースのアプローチを提案する。
これにより、PainPointsは、実践者がファセットを追加/ドロップし、この作業で導入された"ファセットカバレッジ"の概念に基づいたカスタムサマリを生成することができる。
関連論文リスト
- "Nothing Abnormal": Disambiguating Medical Reports via Contrastive
Knowledge Infusion [6.9551174393701345]
コントラスト型事前学習と摂動型書き換えに基づく書き換えアルゴリズムを提案する。
胸部報告に基づくOpenI-Annotatedと、一般的な医療報告に基づくVA-Annotatedの2つのデータセットを作成しました。
提案アルゴリズムは,高内容忠実度で少ないあいまいな方法で文を効果的に書き換える。
論文 参考訳（メタデータ） (2023-05-15T02:01:20Z) - Cross-Modal Causal Intervention for Medical Report Generation [109.83549148448469]
医療報告生成(MRG)は、コンピュータ支援診断と治療指導に不可欠である。
視覚的および言語的バイアスによって引き起こされる画像テキストデータ内の素早い相関のため、病変領域を確実に記述した正確なレポートを生成することは困難である。
本稿では,視覚分解モジュール (VDM) と言語分解モジュール (LDM) からなるMRGのための新しい視覚言語因果干渉 (VLCI) フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-16T07:23:55Z) - Chronic pain patient narratives allow for the estimation of current pain
intensity [0.9459979060644313]
患者の物語から得られる言語特徴は、実際に痛みの強さを推定する情報を伝える。
以上の結果より,軽度痛の患者は動詞の使用に集中し,中等度・重度痛の患者は副詞,名詞,形容詞が中心であった。
論文 参考訳（メタデータ） (2022-10-31T16:59:21Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳（メタデータ） (2022-04-07T22:14:37Z) - Chronic Pain and Language: A Topic Modelling Approach to Personal Pain
Descriptions [0.688204255655161]
慢性的な痛みは主要な健康問題として認識されており、経済だけでなく、社会や個人のレベルにも影響を及ぼす。
個人的かつ主観的な経験であるため、慢性的な痛みを純粋に有害な刺激として、外的かつ公平に経験し、説明し、解釈することは不可能である。
本稿では,慢性痛の言語記述におけるパターン認識のためのトピックモデリング手法を提案し,これらのパターンを用いて痛み経験の定量化と評価を行う。
論文 参考訳（メタデータ） (2021-09-01T14:31:16Z) - Analysis of Chronic Pain Experiences Based on Online Reports: the RRCP
Dataset [0.688204255655161]
本稿では,ソーシャルメディアのテキスト記述と各種の慢性痛経験の議論を含む慢性痛感データセットのRedditレポートについて紹介する。
それぞれの病理組織について,関連文書のサブセットで示されるように,慢性痛経験の主な懸念点を同定する。
慢性痛の描写の教師なし意味分析は、慢性痛経験の観点で異なる病態がどのように現れるかに関する臨床研究を反映している、と我々は主張する。
論文 参考訳（メタデータ） (2021-08-23T14:53:03Z) - Non-contact Pain Recognition from Video Sequences with Remote
Physiological Measurements Prediction [53.03469655641418]
痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。
我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
論文 参考訳（メタデータ） (2021-05-18T20:47:45Z) - Unifying Relational Sentence Generation and Retrieval for Medical Image
Report Composition [142.42920413017163]
現在の手法は、個々のケースのデータセットバイアスにより、しばしば最も一般的な文を生成する。
テンプレート検索と文生成を一体化し、共通およびまれな異常に対処する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-09T04:33:27Z) - Text Mining to Identify and Extract Novel Disease Treatments From
Unstructured Datasets [56.38623317907416]
Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。
次に、テキストを体系的に前処理するためのパイプラインを構築します。
我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
論文 参考訳（メタデータ） (2020-10-22T19:52:49Z) - Auxiliary Signal-Guided Knowledge Encoder-Decoder for Medical Report
Generation [107.3538598876467]
放射線技師の動作パターンを模倣する補助信号誘導知識デコーダ(ASGK)を提案する。
ASGKは、内的特徴融合と外部医療言語情報を統合して、医療知識の伝達と学習をガイドする。
論文 参考訳（メタデータ） (2020-06-06T01:00:15Z) - Understanding patient complaint characteristics using contextual
clinical BERT embeddings [1.9060575156739825]
臨床会話の応用では、抽出された実体は患者の苦情の主訴をとらえる傾向にある。
本稿では,一般利用者が提示する症状などの特徴を2段階に分けて検出する手法を提案する。
臨床テキストのエンコードにはWord2VecとBERTを用いる。
処理された符号化とLDA(Linear Discriminant Analysis)アルゴリズムを組み合わせて、主エンティティの特性を分類する。
論文 参考訳（メタデータ） (2020-02-14T07:45:33Z)
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。