論文の概要: A Method to Automate the Discharge Summary Hospital Course for Neurology Patients

• arxiv url: http://arxiv.org/abs/2305.06416v1
• Date: Wed, 10 May 2023 18:53:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 16:54:57.929521
• Title: A Method to Automate the Discharge Summary Hospital Course for Neurology Patients
• Title（参考訳）: 神経科領域における退院要領の自動化
• Authors: Vince C. Hartman, Sanika S. Bapat, Mark G. Weiner, Babak B. Navi, Evan T. Sholle, and Thomas R. Campion, Jr
• Abstract要約: エンコーダ・デコーダ・シーケンス・ツー・シーケンス・トランスモデルを用いて,病院のコースセクションを要約する自動手法を開発し,評価した。 この手法は13.76のR-2で良いROUGEスコアを示した。
• 参考スコア（独自算出の注目度）: 0.2958331832356468
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generation of automated clinical notes have been posited as a strategy to mitigate physician burnout. In particular, an automated narrative summary of a patient's hospital stay could supplement the hospital course section of the discharge summary that inpatient physicians document in electronic health record (EHR) systems. In the current study, we developed and evaluated an automated method for summarizing the hospital course section using encoder-decoder sequence-to-sequence transformer models. We fine tuned BERT and BART models and optimized for factuality through constraining beam search, which we trained and tested using EHR data from patients admitted to the neurology unit of an academic medical center. The approach demonstrated good ROUGE scores with an R-2 of 13.76. In a blind evaluation, two board-certified physicians rated 62% of the automated summaries as meeting the standard of care, which suggests the method may be useful clinically. To our knowledge, this study is among the first to demonstrate an automated method for generating a discharge summary hospital course that approaches a quality level of what a physician would write.
• Abstract（参考訳）: 医師のバーンアウトを緩和するための戦略として、自動臨床ノートの作成が提案されている。 特に,患者の入院状況の自動要約は,電子健康記録(EHR)システムで患者医師が記録した退院要領の病院コースセクションを補完する可能性がある。 本研究では,エンコーダ・デコーダ・シーケンス・トゥ・シーケンス変圧器モデルを用いて,病院のコースセクションを要約する自動手法を開発し,評価した。 我々はBERTとBARTモデルを微調整し、ビームサーチの制約により現実性に最適化し、学術医療センターの神経学部門に入院した患者のERHデータを用いて訓練および試験を行った。 この手法は13.76のR-2で良いROUGEスコアを示した。 盲点評価では, 自動サマリーの62%がケア基準を満たしており, この方法が臨床的に有用である可能性が示唆された。 本研究は,医師が書ける内容の品質レベルに近づいた退院要領を自動生成する方法を最初に示す方法の一つである。

関連論文リスト

• 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)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Discharge Summary Hospital Course Summarisation of In Patient Electronic Health Record Text with Clinical Concept Guided Deep Pre-Trained Transformer Models [1.1393603788068778]
  ブリーフ病院コース(英: Brief Hospital Course、略称:BHC)は、病院全体の出会いの簡潔なサマリーであり、退院サマリーに埋め込まれている。 深層学習要約モデルの性能を実証するBHC要約法について述べる。
  論文  参考訳（メタデータ） (2022-11-14T05:39:45Z)
• Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
  本稿では,Re$3$Writer法を提案する。 本手法が患者の退院指示生成に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-23T16:34:39Z)
• Summarizing Patients Problems from Hospital Progress Notes Using Pre-trained Sequence-to-Sequence Models [9.879960506853145]
  問題リストの要約には、臨床文書を理解し、抽象化し、生成するモデルが必要である。 当科では,入院時に提供者の進捗記録からの入力を用いて,患者の日常診療計画における問題点のリストを作成することを目的とした,新たなNLPタスクを提案する。
  論文  参考訳（メタデータ） (2022-08-17T17:07:35Z)
• Human Evaluation and Correlation with Automatic Metrics in Consultation Note Generation [56.25869366777579]
  近年,機械学習モデルによる臨床相談ノートの作成が急速に進んでいる。 5人の臨床医が57件のモック・コンサルテーションを聴き、自作のノートを書き、自動的に生成されたノートを編集し、全てのエラーを抽出する、広範囲にわたる人的評価研究を行った。 単純な文字ベースのLevenshtein距離測定は、BertScoreのような一般的なモデルベースの測定値に比較して、同等に動作します。
  論文  参考訳（メタデータ） (2022-04-01T14:04:16Z)
• Distantly supervised end-to-end medical entity extraction from electronic health records with human-level quality [77.34726150561087]
  本稿では,電子健康記録(EHR)から医療用脳波を単一段階のマルチラベル分類タスクとして行う新しい手法を提案する。 我々のモデルは、医療知識ベースから自動的に抽出されたターゲットを用いて、遠距離から教師付きでエンドツーエンドに訓練されている。 我々の研究は、十分な量の未ラベルのEHRと医療知識ベースが利用できることを考えると、人間の監督なく、人的品質で、医療機関の抽出をエンドツーエンドで行えることを実証している。
  論文  参考訳（メタデータ） (2022-01-25T17:04:46Z)
• Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
  本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。 我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。 本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
  論文  参考訳（メタデータ） (2021-12-23T16:11:19Z)
• 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)
• An Emergency Medical Services Clinical Audit System driven by Named Entity Recognition from Deep Learning [0.0]
  本稿では, 階層型と非構造化型の両方の救急症例記録と, ディープニューラルネットワークを用いたエンティティ認識モデルを用いた臨床記録に基づく自動監査システムを提案する。 提案手法は,非構造的救急用フリーテキストレポートから臨床エンティティを確実に識別できる名前付きエンティティ認識モデルである。
  論文  参考訳（メタデータ） (2020-07-07T16:32:44Z)
• A Corpus for Detecting High-Context Medical Conditions in Intensive Care Patient Notes Focusing on Frequently Readmitted Patients [28.668217175230822]
  このデータセットには1102個の放電サマリーと1000個の看護進歩ノートが含まれている。 注釈付き表現型には、非アジェレンス治療、慢性痛、進行/転移性癌、および他の10種類の表現型が含まれる。 このデータセットは、医学、コンピュータ科学、特に医学自然言語処理の分野における学術、産業研究に利用することができる。
  論文  参考訳（メタデータ） (2020-03-06T05:56:49Z)

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。