Fugu-MT 論文翻訳(概要): Overview of the Problem List Summarization (ProbSum) 2023 Shared Task on Summarizing Patients' Active Diagnoses and Problems from Electronic Health Record Progress Notes

論文の概要: Overview of the Problem List Summarization (ProbSum) 2023 Shared Task on Summarizing Patients' Active Diagnoses and Problems from Electronic Health Record Progress Notes

arxiv url: http://arxiv.org/abs/2306.05270v1
Date: Thu, 8 Jun 2023 15:19:57 GMT
ステータス: 処理完了
システム内更新日: 2023-06-09 13:46:47.970356
Title: Overview of the Problem List Summarization (ProbSum) 2023 Shared Task on Summarizing Patients' Active Diagnoses and Problems from Electronic Health Record Progress Notes
Title（参考訳）: 課題リスト要約(ProbSum)2023 患者の活動診断の共有課題と電子健康記録の進歩ノートからの問題点
Authors: Yanjun Gao, Dmitriy Dligach, Timothy Miller, Matthew M. Churpek, Majid Afshar
Abstract要約: BioNLP Workshop 2023は、問題リスト要約に関する共有タスクの立ち上げを開始した(ProbSum)。参加者の目標は,重篤な患者の入院から収集した毎日のケアノートからのインプットを用いて,診断と問題のリストを作成するモデルを開発することである。 8つのチームが最終システムを共有タスクのリーダーボードに提出しました。
参考スコア（独自算出の注目度）: 5.222442967088892
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The BioNLP Workshop 2023 initiated the launch of a shared task on Problem List Summarization (ProbSum) in January 2023. The aim of this shared task is to attract future research efforts in building NLP models for real-world diagnostic decision support applications, where a system generating relevant and accurate diagnoses will augment the healthcare providers decision-making process and improve the quality of care for patients. The goal for participants is to develop models that generated a list of diagnoses and problems using input from the daily care notes collected from the hospitalization of critically ill patients. Eight teams submitted their final systems to the shared task leaderboard. In this paper, we describe the tasks, datasets, evaluation metrics, and baseline systems. Additionally, the techniques and results of the evaluation of the different approaches tried by the participating teams are summarized.
Abstract（参考訳）: BioNLP Workshop 2023は2023年1月に問題リスト要約(ProbSum)の共有タスクの立ち上げを開始した。この共有タスクの目的は、実世界の診断意思決定支援アプリケーションのためのNLPモデルの構築において、医療提供者による意思決定プロセスを強化し、患者のケアの質を向上させることを目的としている。参加者の目標は,重篤な患者の入院から収集した毎日のケアノートからの入力を用いて,診断と問題のリストを作成するモデルを開発することである。 8チームが最終システムを共有タスクリーダボードに提出した。本稿では,タスク,データセット,評価指標,ベースラインシステムについて述べる。さらに、参加チームによって試みられた異なるアプローチの評価手法と結果を要約する。

関連論文リスト

A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文参考訳（メタデータ） (2024-05-21T06:44:40Z)
SemEval-2024 Task 2: Safe Biomedical Natural Language Inference for Clinical Trials [13.59675117792588]
SemEval-2024 Task 2: Safe Biomedical Natural Language Inference for ClinicalTrialsについて紹介する。我々の貢献には、改良されたNLI4CT-Pデータセット(Natural Language Inference for Clinical Trials - Perturbed)が含まれる。このタスクに登録された参加者は合計106人であり、1200以上の個人申請と25のシステム概要書に貢献している。このイニシアチブは、医療におけるNLIモデルの堅牢性と適用性を向上し、臨床意思決定におけるより安全で信頼性の高いAIアシストを保証することを目的としている。
論文参考訳（メタデータ） (2024-04-07T13:58:41Z)
Cognizance of Post-COVID-19 Multi-Organ Dysfunction through Machine Learning Analysis [0.0]
本研究は,多臓器機能障害の解析・予測のための機械学習技術の応用に焦点を当てた。 COVID-19後症候群は、様々な臓器システムに影響を及ぼす幅広い持続的な症状を示しており、医療にとって大きな課題となっている。
論文参考訳（メタデータ） (2023-09-27T22:25:49Z)
CUED at ProbSum 2023: Hierarchical Ensemble of Summarization Models [8.237131071390715]
我々は,患者の医療進歩ノートを限られたデータセットで要約する上での課題について考察する。バイオNLPワークショップ2023における課題リスト要約(Shared Task 1A)では,臨床T5の微調整による765件の診療ノートが,他の抽出的,抽象的,ゼロショットベースラインよりも優れていることを示した。
論文参考訳（メタデータ） (2023-06-08T16:08:10Z)
PULSAR: Pre-training with Extracted Healthcare Terms for Summarising Patients' Problems and Data Augmentation with Black-box Large Language Models [25.363775123262307]
問題リストの形で患者の問題を自動的に要約することで、ステークホルダーが患者の状態を理解し、作業負荷と認知バイアスを減らすのに役立つ。 BioNLP 2023 共有タスク1Aは、入院中の提供者の進捗状況から診断と問題のリストを作成することに焦点を当てている。 1つのコンポーネントは、データ拡張のために大きな言語モデル(LLM)を使用し、もう1つは、リストとして要約された患者の問題を生成するための、新しいトレーニング済みの目標を持つ抽象的な要約 LLM である。私たちのアプローチは、共有タスクへの全提出のうち、第2位でした。
論文参考訳（メタデータ） (2023-06-05T10:17:50Z)
SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文参考訳（メタデータ） (2023-03-23T04:47:46Z)
Progress Note Understanding -- Assessment and Plan Reasoning: Overview of the 2022 N2C2 Track 3 Shared Task [4.867840482657326]
2022年全国NLP臨床チャレンジ(N2C2)トラック3:進歩ノート理解 - 評価と計画推論について紹介する。本課題は, 評価部に含まれる患者の総合的状態と, 計画部の各構成成分との関係を, 自動的に因果関係を予測できるNLPシステムの開発と評価を行うことである。 2022 n2c2 Track 3の結果を提示し,データ,評価,参加,システム性能について述べる。
論文参考訳（メタデータ） (2023-03-14T16:17:55Z)
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)
ITTC @ TREC 2021 Clinical Trials Track [54.141379782822206]
本課題は、患者の入院ノートの要約を構成するトピックに有効な臨床試験を適合させる問題に焦点を当てる。 NLP手法を用いて試行とトピックの表現方法を探索し、共通の検索モデルを用いて各トピックに関連するトライアルのランク付けリストを生成する。提案されたすべての実行の結果は、すべてのトピックの中央値よりもはるかに上回っていますが、改善の余地はたくさんあります。
論文参考訳（メタデータ） (2022-02-16T04:56:47Z)
Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS) Benchmark [48.30502612686276]
肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な悪性度に依存している。現在最も一般的なアプローチであるHuman-centered segmentationは、サーバ間変動の対象となる。 2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。
論文参考訳（メタデータ） (2022-01-03T03:06:38Z)
Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文参考訳（メタデータ） (2021-11-18T00:43:41Z)

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。