論文の概要: HealthFC: Verifying Health Claims with Evidence-Based Medical Fact-Checking
- arxiv url: http://arxiv.org/abs/2309.08503v2
- Date: Mon, 25 Mar 2024 08:33:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-27 03:07:37.055306
- Title: HealthFC: Verifying Health Claims with Evidence-Based Medical Fact-Checking
- Title（参考訳）: HealthFC:Evidence-based Medical Fact-Checkingによるヘルスクレームの検証
- Authors: Juraj Vladika, Phillip Schneider, Florian Matthes,
- Abstract要約: HealthFCは、ドイツ語と英語で750件の健康関連クレームのデータセットで、医療専門家による正確さをラベル付けしている。
データセットの分析を行い、その特性と課題を強調します。
データセットは、将来の使用の可能性が高い、挑戦的なテストベッドであることを示す。
- 参考スコア（独自算出の注目度）: 5.065947993017158
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the digital age, seeking health advice on the Internet has become a common practice. At the same time, determining the trustworthiness of online medical content is increasingly challenging. Fact-checking has emerged as an approach to assess the veracity of factual claims using evidence from credible knowledge sources. To help advance automated Natural Language Processing (NLP) solutions for this task, in this paper we introduce a novel dataset HealthFC. It consists of 750 health-related claims in German and English, labeled for veracity by medical experts and backed with evidence from systematic reviews and clinical trials. We provide an analysis of the dataset, highlighting its characteristics and challenges. The dataset can be used for NLP tasks related to automated fact-checking, such as evidence retrieval, claim verification, or explanation generation. For testing purposes, we provide baseline systems based on different approaches, examine their performance, and discuss the findings. We show that the dataset is a challenging test bed with a high potential for future use.
- Abstract（参考訳）: デジタル時代には、インターネット上で健康アドバイスを求めることが一般的になっている。
同時に、オンライン医療コンテンツの信頼性を決定することはますます困難になっている。
Fact-checkingは、信頼できる知識源からの証拠を用いて、事実的主張の正確性を評価するアプローチとして登場した。
本稿では,この課題に対する自然言語処理(NLP)の自動化を支援するために,新しいデータセットHealthFCを提案する。
ドイツ語と英語の健康に関する750の主張からなり、医学の専門家による正確さのラベルが付けられ、体系的なレビューや臨床試験の証拠が裏付けられている。
データセットの分析を行い、その特性と課題を強調します。
データセットは、エビデンス検索、クレーム検証、説明生成など、自動化された事実チェックに関連するNLPタスクに使用することができる。
テスト目的のために、異なるアプローチに基づくベースラインシステムを提供し、その性能を調べ、その結果について議論する。
データセットは、将来の使用の可能性が高い、挑戦的なテストベッドであることを示す。
関連論文リスト
- Diagnosing Medical Datasets with Training Dynamics [0.0]
本研究は,人間のアノテーションの代替としてトレーニング力学を用いる可能性について検討する。
このフレームワークは、データポイントを、簡単に学習できる、学習しにくい、あいまいなカテゴリに分類する。
データマップフレームワークの医療領域への実現可能性と移行性を評価するため,包括的評価を行った。
論文 参考訳（メタデータ） (2024-11-03T18:37:35Z) - FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。
FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
論文 参考訳（メタデータ） (2024-08-17T15:18:56Z) - Identifying and Aligning Medical Claims Made on Social Media with Medical Evidence [0.12277343096128711]
医療クレームの特定、これらのクレームからの医療語彙の抽出、特定された医療クレームに関連する証拠の検索という3つの中核課題について検討する。
本稿では,これらの中核的タスクをそれぞれ支援するために,合成医療クレームを生成できる新しいシステムを提案する。
論文 参考訳（メタデータ） (2024-05-18T07:50:43Z) - Leveraging text data for causal inference using electronic health records [1.4182510510164876]
本稿では,電子健康データによる因果推論を支援するためにテキストデータを活用する統一的なフレームワークを提案する。
従来のマッチング分析にテキストデータを組み込むことで、推定処理効果の妥当性を高めることができることを示す。
これらの手法は、臨床データの二次解析範囲を、構造化ERHデータに制限された領域にまで広げる可能性があると考えている。
論文 参考訳（メタデータ） (2023-06-09T16:06:02Z) - 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) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - 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) - CHEF: A Pilot Chinese Dataset for Evidence-Based Fact-Checking [55.75590135151682]
CHEFは、10万件の現実世界のクレームに関する最初のChenese EvidenceベースのFact-checkingデータセットである。
このデータセットは、政治から公衆衛生まで、複数のドメインをカバーし、インターネットから取得した注釈付きの証拠を提供する。
論文 参考訳（メタデータ） (2022-06-06T09:11:03Z) - Healthsheet: Development of a Transparency Artifact for Health Datasets [13.57051456780329]
健康に配慮したアンケートデータシートであるHealthsheetを紹介した。
ケーススタディとして、公開可能な3つの医療データセットと連携しています。
論文 参考訳（メタデータ） (2022-02-26T01:05:55Z) - Trust Issues: Uncertainty Estimation Does Not Enable Reliable OOD
Detection On Medical Tabular Data [0.0]
本稿では,同時代の不確実性推定手法を含む一連の試験について述べる。
これまでの研究とは対照的に、現実的で臨床的に関係のあるOODグループの試験を設計し、実世界の医療データで実験を行う。
論文 参考訳（メタデータ） (2020-11-06T10:41:39Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z)
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。