論文の概要: Is In-hospital Meta-information Useful for Abstractive Discharge Summary
Generation?
- arxiv url: http://arxiv.org/abs/2303.06002v1
- Date: Fri, 10 Mar 2023 16:03:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 14:35:06.759009
- Title: Is In-hospital Meta-information Useful for Abstractive Discharge Summary
Generation?
- Title(参考訳): 院内メタ情報は抽象放電生成に有用か?
- Authors: Kenichiro Ando, Mamoru Komachi, Takashi Okumura, Hiromasa Horiguchi,
Yuji Matsumoto
- Abstract要約: 本稿では,要約作業における医療メタ情報の有効性について検討する。
EHRシステムから4種類のメタ情報を取得し,各メタ情報をシーケンス・ツー・シーケンス・モデルにエンコードする。
日本のEHRを用いて、メタ情報エンコードされたモデルはROUGE-1を4.45ポイント、BERTScoreを3.77ポイント増加させた。
- 参考スコア(独自算出の注目度): 25.195233641408233
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: During the patient's hospitalization, the physician must record daily
observations of the patient and summarize them into a brief document called
"discharge summary" when the patient is discharged. Automated generation of
discharge summary can greatly relieve the physicians' burden, and has been
addressed recently in the research community. Most previous studies of
discharge summary generation using the sequence-to-sequence architecture focus
on only inpatient notes for input. However, electric health records (EHR) also
have rich structured metadata (e.g., hospital, physician, disease, length of
stay, etc.) that might be useful. This paper investigates the effectiveness of
medical meta-information for summarization tasks. We obtain four types of
meta-information from the EHR systems and encode each meta-information into a
sequence-to-sequence model. Using Japanese EHRs, meta-information encoded
models increased ROUGE-1 by up to 4.45 points and BERTScore by 3.77 points over
the vanilla Longformer. Also, we found that the encoded meta-information
improves the precisions of its related terms in the outputs. Our results showed
the benefit of the use of medical meta-information.
- Abstract(参考訳): 患者の入院中、医師は患者の日々の観察を記録し、患者の退院時に「退院要領」と呼ばれる簡単な文書にまとめなければならない。
退院サマリーの自動生成は医師の負担を大幅に軽減し,近年,研究コミュニティで取り組まれている。
シーケンス・ツー・シーケンス・アーキテクチャを用いた放電サマリー生成のこれまでの研究は、入力のための患者ノートのみに重点を置いていた。
しかし、電気健康記録(EHR)は、有用なような豊富な構造化されたメタデータ(例えば、病院、医師、病気、滞在時間など)も持っている。
本稿では,要約作業における医療メタ情報の有効性について検討する。
EHRシステムから4種類のメタ情報を取得し,各メタ情報をシーケンス・ツー・シーケンス・モデルにエンコードする。
日本のEHRを用いて、メタ情報符号化モデルはROUGE-1を4.45ポイント、BERTScoreを3.77ポイント増加させた。
また,エンコードされたメタ情報は,出力の関連項の精度を向上させることを見出した。
その結果,医療メタ情報の利用のメリットが示された。
関連論文リスト
- Extrinsically-Focused Evaluation of Omissions in Medical Summarization [10.02553223045504]
MED-OMITは医用要約のための新しい省略ベンチマークである。
医師と患者の会話と生成された要約から、MED-OMITはチャットを一連の事実に分類し、要約から省略されるものを特定する。
我々は,MED-OMITを患者と医師の会話の公開データセットで評価し,MED-OMITが他の指標よりも欠落を捉えていることを確認した。
論文 参考訳(メタデータ) (2023-11-14T16:46:15Z) - Automated Medical Coding on MIMIC-III and MIMIC-IV: A Critical Review
and Replicability Study [60.56194508762205]
我々は、最先端の医療自動化機械学習モデルを再現し、比較し、分析する。
その結果, 弱い構成, サンプル化の不十分さ, 評価の不十分さなどにより, いくつかのモデルの性能が低下していることが判明した。
再生モデルを用いたMIMIC-IVデータセットの総合評価を行った。
論文 参考訳(メタデータ) (2023-04-21T11:54:44Z) - 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) - MetaMedSeg: Volumetric Meta-learning for Few-Shot Organ Segmentation [47.428577772279176]
本稿では,容量医学データに対するメタラーニングタスクを再定義する,勾配に基づくメタラーニングアルゴリズムであるMetaMedSegを提案する。
実験では, 異なる臓器のCTおよびMRIから2Dスライスを抽出し, 医療用デカトロンデータセットの評価を行った。
提案したボリュームタスク定義は,関連するベースラインと比較してIoUで最大30%改善した。
論文 参考訳(メタデータ) (2021-09-18T11:13:45Z) - MIMO: Mutual Integration of Patient Journey and Medical Ontology for
Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文 参考訳(メタデータ) (2021-07-20T07:04:52Z) - Scientific Language Models for Biomedical Knowledge Base Completion: An
Empirical Study [62.376800537374024]
我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。
LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
論文 参考訳(メタデータ) (2021-06-17T17:55:33Z) - Attention-based Clinical Note Summarization [1.52292571922932]
臨床ノートに有意なフレーズを抽出的に要約するマルチヘッドアテンションに基づくメカニズムを提案する。
このメソッドは、トークン、セグメント、および位置埋め込みを関連付けて要約のための主要な文を検索します。
論文 参考訳(メタデータ) (2021-04-18T19:40:26Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳(メタデータ) (2020-09-24T00:42:36Z)
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。