論文の概要: MDDial: A Multi-turn Differential Diagnosis Dialogue Dataset with Reliability Evaluation

• arxiv url: http://arxiv.org/abs/2308.08147v1
• Date: Wed, 16 Aug 2023 04:56:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-17 14:54:47.932019
• Title: MDDial: A Multi-turn Differential Diagnosis Dialogue Dataset with Reliability Evaluation
• Title（参考訳）: mddial:信頼性評価付き多ターン差分診断対話データセット
• Authors: Srija Macherla, Man Luo, Mihir Parmar, Chitta Baral
• Abstract要約: エンドツーエンドのADD対話システムを構築するには、対話トレーニングデータセットが必要である。 ADDの対話データセットは英語では公開されていない。 MDDialは、英語で最初の差分診断対話データセットである。
• 参考スコア（独自算出の注目度）: 46.82607230465541
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dialogue systems for Automatic Differential Diagnosis (ADD) have a wide range of real-life applications. These dialogue systems are promising for providing easy access and reducing medical costs. Building end-to-end ADD dialogue systems requires dialogue training datasets. However, to the best of our knowledge, there is no publicly available ADD dialogue dataset in English (although non-English datasets exist). Driven by this, we introduce MDDial, the first differential diagnosis dialogue dataset in English which can aid to build and evaluate end-to-end ADD dialogue systems. Additionally, earlier studies present the accuracy of diagnosis and symptoms either individually or as a combined weighted score. This method overlooks the connection between the symptoms and the diagnosis. We introduce a unified score for the ADD system that takes into account the interplay between symptoms and diagnosis. This score also indicates the system's reliability. To the end, we train two moderate-size of language models on MDDial. Our experiments suggest that while these language models can perform well on many natural language understanding tasks, including dialogue tasks in the general domain, they struggle to relate relevant symptoms and disease and thus have poor performance on MDDial. MDDial will be released publicly to aid the study of ADD dialogue research.
• Abstract（参考訳）: 自動微分診断(ADD)のための対話システムは、幅広い現実の応用がある。 これらの対話システムは、容易なアクセスと医療費の削減を約束している。 エンドツーエンドのADD対話システムを構築するには、対話トレーニングデータセットが必要である。 しかし、私たちの知る限りでは、英語ではADD対話データセットは公開されていない(非英語のデータセットは存在するが)。 そこで本研究では, エンドツーエンドのADD対話システムの構築と評価を支援する, 英語における最初の差分診断対話データセットであるMDDialを紹介する。 さらに、以前の研究では、個別にまたは重み付けスコアとして診断と症状の精度が示された。 この方法は症状と診断との関係を見落としている。 症状と診断の相互作用を考慮したADDシステムのための統一スコアを導入する。 このスコアはシステムの信頼性を示す。 最終的に、MDDial上で2つの中程度の言語モデルを訓練する。 本研究は,これらの言語モデルが一般領域における対話タスクを含む多くの自然言語理解タスクでうまく機能することを示唆するが,関連する症状や疾患との関連に苦慮し,mdddialでは性能が低下する。 MDDialは、ADD対話研究の研究を支援するために一般公開される。

関連論文リスト

• Medical Dialogue Generation via Dual Flow Modeling [9.328694317877169]
  医療対話システム(MDS)は、患者に診断や処方薬などの医療サービスを提供することを目的としている。 これまでの研究は主に、上記医療機関を重要な対話履歴情報として抽出することでこの問題に対処した。 本研究は, 医療機関と医師の対話行動の推移を各ターンで捉えることも重要であると論じる。
  論文  参考訳（メタデータ） (2023-05-29T14:23:34Z)
• Enhancing Task Bot Engagement with Synthesized Open-Domain Dialog [89.35658776144638]
  TODとODDの両方を扱えるシステムを構築し、異なる知識ソースにアクセスすることが不可欠である。 本稿では,知識基盤のODDとTODを組み合わせた対話を自動的に生成するフレームワークを提案する。 本研究では,TODモードとODDモードを適切に適用し,異なる知識ソースにアクセス可能な統合モデルPivotBotを提案する。
  論文  参考訳（メタデータ） (2022-12-20T05:51:47Z)
• D4: a Chinese Dialogue Dataset for Depression-Diagnosis-Oriented Chat [25.852922703368133]
  うつ病と診断された臨床セッションでは、医師は患者に症状を露呈させるための十分な感情的支援と会話を開始する。 精神疾患に関連する社会的便秘が原因でうつ病の相談や診断に関連する対話データが開示されることは稀である。 うつ病診断における医師と患者との対話をシミュレートした,うつ病診断指向チャットのための中国語対話データセットを構築した。
  論文  参考訳（メタデータ） (2022-05-24T03:54:22Z)
• "My nose is running.""Are you also coughing?": Building A Medical Diagnosis Agent with Interpretable Inquiry Logics [80.55587329326046]
  本稿では,DSMDの対話マネージャを実装するための,より解釈可能な意思決定プロセスを提案する。 推論を行うために、非常に透明なコンポーネントを持つモデルを考案する。 実験の結果,診断精度は7.7%,10.0%,3.0%向上した。
  論文  参考訳（メタデータ） (2022-04-29T09:02:23Z)
• Prompt-based Generative Approach towards Multi-Hierarchical Medical Dialogue State Tracking [5.586690662128686]
  医療対話システムにおける対話状態追跡(DST)モジュールは、下流タスクのための機械可読構造に発話を解釈する。 まず,多階層状態構造を定義し,次に Prompt に基づく生成手法を提案する。 我々の手法は他のDST手法よりも優れており、データが少ないシナリオではかなり効果的である。
  論文  参考訳（メタデータ） (2022-03-18T13:28:27Z)
• UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented Dialogues [59.499965460525694]
  上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。 我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。 我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
  論文  参考訳（メタデータ） (2021-10-15T11:56:47Z)
• Knowledge Grounded Conversational Symptom Detection with Graph Memory Networks [5.788153402669881]
  対話を通じて患者と対話し,臨床症状を自動的に検出し収集するシステムを構築した。 患者が診断のためのダイアログを開始するための明示的な症状のセットが与えられた場合、システムは質問によって暗黙の症状を収集するように訓練される。 各質問に対する患者からの回答を得た後、システムはまた、現在の情報が人間の医師が診断を行うのに十分であるかどうかを決定します。
  論文  参考訳（メタデータ） (2021-01-24T18:50:16Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
  本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。 実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
  論文  参考訳（メタデータ） (2020-05-27T02:05:33Z)

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。