論文の概要: Prompt-based Extraction of Social Determinants of Health Using Few-shot Learning

• arxiv url: http://arxiv.org/abs/2306.07170v1
• Date: Mon, 12 Jun 2023 15:08:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-13 14:10:48.917410
• Title: Prompt-based Extraction of Social Determinants of Health Using Few-shot Learning
• Title（参考訳）: 短いショット学習による健康の社会的要因の抽出
• Authors: Giridhar Kaushik Ramachandran, Yujuan Fu, Bin Han, Kevin Lybarger, Nicholas J Dobbins, \"Ozlem Uzuner, Meliha Yetisgen
• Abstract要約: 電子健康記録に記録されている社会的健康決定因子(SDOH)は、SDOHが患者の健康に与える影響を理解するために研究されている。 本研究では,社会史コーパス(SHAC, Social History Corpus, SHAC)を用いて, 物質利用, 雇用, 生活状況情報を含む, SDOHに注釈を付した社会史の多施設間コーパスについて検討する。 本稿では,一括プロンプト設定においてGPT-4を用いて,SHACによるSDOH情報の自動抽出について検討する。 我々のプロンプトベースGPT-4法はSHACテストセットで0.652 F1を達成した。
• 参考スコア（独自算出の注目度）: 3.418600863629033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social determinants of health (SDOH) documented in the electronic health record through unstructured text are increasingly being studied to understand how SDOH impacts patient health outcomes. In this work, we utilize the Social History Annotation Corpus (SHAC), a multi-institutional corpus of de-identified social history sections annotated for SDOH, including substance use, employment, and living status information. We explore the automatic extraction of SDOH information with SHAC in both standoff and inline annotation formats using GPT-4 in a one-shot prompting setting. We compare GPT-4 extraction performance with a high-performing supervised approach and perform thorough error analyses. Our prompt-based GPT-4 method achieved an overall 0.652 F1 on the SHAC test set, similar to the 7th best-performing system among all teams in the n2c2 challenge with SHAC.
• Abstract（参考訳）: SDOHが患者の健康に与える影響を理解するために、構造化されていないテキストを通して電子健康記録に記録されている社会的健康決定因子(SDOH)がますます研究されている。 本研究では,物質利用,雇用,生活状況情報を含む,SDOHに注釈を付した非特定社会史セクションの多施設コーパスである社会史注釈コーパス(SHAC)を利用する。 本稿では,一括プロンプト設定においてGPT-4を用いて,SHACによるSDOH情報の自動抽出について検討する。 GPT-4抽出性能と高性能教師付きアプローチを比較し,徹底的な誤差解析を行う。 このプロンプトベースのgpt-4法は、shacによるn2c2チャレンジにおいて、全チームで7番目に優れたパフォーマンスシステムであるshacテストセットで0.652 f1を達成した。

関連論文リスト

• On the Vulnerability of Text Sanitization [60.162007426724564]
  テキストの衛生化を目的とした理論的に最適な再構築攻撃を提案する。 衛生性能を評価するためのベンチマークとして, ASR のバウンダリを導出する。 我々の攻撃の1つは、最先端のベースラインよりもASRが46.4%向上したことである。
  論文  参考訳（メタデータ） (2024-10-22T14:31:53Z)
• SDoH-GPT: Using Large Language Models to Extract Social Determinants of Health (SDoH) [43.79125048893811]
  SDoH-GPTは,医療用ノートから健康の社会的決定因子を抽出する,シンプルで効果的なLarge Language Model (LLM) 法である。 これは時間とコストでそれぞれ10倍と20倍の削減を実現し、コーエンのカッパの最大0.92で測定された人間のアノテータとの整合性が向上した。 本研究は, LLMを医療ノート分類に革命をもたらす可能性を強調し, 時間とコストを大幅に削減して, 高精度な分類を実現する能力を示す。
  論文  参考訳（メタデータ） (2024-07-24T09:57:51Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Extracting Social Determinants of Health from Pediatric Patient Notes Using Large Language Models: Novel Corpus and Methods [17.83326146480516]
  健康の社会的決定因子(SDoH)は、健康結果を形成する上で重要な役割を担っている。 小児社会史コーパス(PedSHAC)について紹介する。 我々は、微調整および文脈内学習手法を用いて、詳細なSDoH表現の自動抽出を評価する。
  論文  参考訳（メタデータ） (2024-03-31T23:37:18Z)
• A Marker-based Neural Network System for Extracting Social Determinants of Health [12.6970199179668]
  健康の社会的決定因子(SDoH)は、患者の医療の質と格差を左右する。 多くのSDoHアイテムは、電子健康記録の構造化形式でコード化されていない。 我々は,臨床ノートから自動的にSDoH情報を抽出する,名前付きエンティティ認識(NER),関係分類(RC),テキスト分類手法を含む多段階パイプラインを探索する。
  論文  参考訳（メタデータ） (2022-12-24T18:40:23Z)
• Leveraging Natural Language Processing to Augment Structured Social Determinants of Health Data in the Electronic Health Record [1.7812428873698403]
  健康の社会的決定因子(SDOH)は健康に影響を及ぼす。 臨床ノートにはより包括的なSDOH情報が含まれていることが多い。 我々は,ディープラーニングエンティティと関係抽出アーキテクチャを用いた新しいSDOH抽出器を開発した。
  論文  参考訳（メタデータ） (2022-12-14T22:51:49Z)
• Social determinants of health in the era of artificial intelligence with electronic health records: A systematic review [12.944415086215708]
  電子健康記録(EHR)から健康の社会的決定要因(SDOH)情報を最大限に活用する方法はまだ研究されていません。 2010年から2020年にかけて、文献から合計1250の論文が抽出され、74の論文がこのレビューに含まれた。 本稿では,EHRのSDOHの現在の動向,課題,今後の方向性について論じる。
  論文  参考訳（メタデータ） (2021-01-22T09:03:39Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• CPAS: the UK's National Machine Learning-based Hospital Capacity Planning System for COVID-19 [111.69190108272133]
  新型コロナウイルス(COVID-19)の2019年は、集中治療リソースに対する前例のない需要を伴う圧倒的な医療システムの脅威となる。 病院資源計画のための機械学習システムであるCPAS(COVID-19 Capacity Planning and Analysis System)を開発した。 CPASは、新型コロナウイルス(COVID-19)のパンデミックに対処するため、全国規模で病院に配備された最初の機械学習ベースのシステムの一つだ。
  論文  参考訳（メタデータ） (2020-07-27T19:39:13Z)
• Annotating Social Determinants of Health Using Active Learning, and Characterizing Determinants Using Neural Event Extraction [11.845850292404768]
  健康の社会的決定因子(SDOH)は健康に影響を及ぼし、SDOHの知識は臨床的な意思決定に影響を及ぼす。 本研究は,SDOHアノテーションを用いた新しいコーパス,新しいアクティブラーニングフレームワーク,新しいコーパスにおける最初の抽出結果を示す。
  論文  参考訳（メタデータ） (2020-04-11T16:19:02Z)
• DeepEnroll: Patient-Trial Matching with Deep Embedding and Entailment Prediction [67.91606509226132]
  臨床試験は医薬品開発に不可欠であるが、高価で不正確で不十分な患者募集に苦しむことが多い。 DeepEnrollは、入力基準(タブラリデータ)を一致する推論のための共有潜在空間に共同でエンコードする、クロスモーダル推論学習モデルである。
  論文  参考訳（メタデータ） (2020-01-22T17:51:25Z)

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。