論文の概要: NoteChat: A Dataset of Synthetic Doctor-Patient Conversations
Conditioned on Clinical Notes
- arxiv url: http://arxiv.org/abs/2310.15959v1
- Date: Tue, 24 Oct 2023 15:59:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 17:46:11.072629
- Title: NoteChat: A Dataset of Synthetic Doctor-Patient Conversations
Conditioned on Clinical Notes
- Title(参考訳): notechat: 臨床ノートに基づく総合的な医師・患者会話のデータセット
- Authors: Junda Wang, Zonghai Yao, Zhichao Yang, Huixue Zhou, Rumeng Li, Xun
Wang, Yucheng Xu, Hong Yu
- Abstract要約: NoteChatは大規模言語モデル(LLMs)を活用して、臨床ノートに記載された総合的な医師と患者との会話を生成する協調フレームワークである。
我々はNoteChatをOpenAIのChatGPTやGPT-4といった最先端モデルと比較し、総合的な自動評価と人的評価を行う。
- 参考スコア(独自算出の注目度): 18.038716318441377
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The detailed clinical records drafted by doctors after each patient's visit
are crucial for medical practitioners and researchers. Automating the creation
of these notes with language models can reduce the workload of doctors.
However, training such models can be difficult due to the limited public
availability of conversations between patients and doctors. In this paper, we
introduce NoteChat, a cooperative multi-agent framework leveraging Large
Language Models (LLMs) for generating synthetic doctor-patient conversations
conditioned on clinical notes. NoteChat consists of Planning, Roleplay, and
Polish modules. We provide a comprehensive automatic and human evaluation of
NoteChat, comparing it with state-of-the-art models, including OpenAI's ChatGPT
and GPT-4. Results demonstrate that NoteChat facilitates high-quality synthetic
doctor-patient conversations, underscoring the untapped potential of LLMs in
healthcare. This work represents the first instance of multiple LLMs
cooperating to complete a doctor-patient conversation conditioned on clinical
notes, offering promising avenues for the intersection of AI and healthcare
- Abstract(参考訳): 各患者訪問後の医師による詳細な臨床記録は、医療従事者や研究者にとって不可欠である。
これらのノート作成を言語モデルで自動化することで、医師の作業負荷を削減できる。
しかし、患者と医師の会話の公開が限られているため、そのようなモデルの訓練は困難である。
本稿では,大言語モデル(LLMs)を利用した臨床ノートを用いた総合的医師と患者との会話生成のための協調型マルチエージェントフレームワークであるNoteChatを紹介する。
NoteChatはプランニング、ロールプレイ、ポーランドモジュールで構成されている。
我々はNoteChatをOpenAIのChatGPTやGPT-4といった最先端モデルと比較し、総合的な自動評価と人的評価を行う。
以上の結果から,NoteChatは医療におけるLLMの未利用可能性を強調し,高品質な総合的医師と患者との会話を促進することが示唆された。
この研究は、臨床ノートに記載された医師と患者との会話を完了するために協力する複数のLSMの最初の事例であり、AIと医療の交差点への有望な道を提供する。
関連論文リスト
- Towards Adapting Open-Source Large Language Models for Expert-Level Clinical Note Generation [19.721994833304517]
大言語モデル(LLM)は、臨床テキスト要約タスクの処理において有望な能力を示している。
患者と医師の対話から高品質な臨床ノートを作成するために,小規模なオープンソース LLM を効果的に訓練できることを実証した。
論文 参考訳(メタデータ) (2024-04-25T15:34:53Z) - AI Hospital: Interactive Evaluation and Collaboration of LLMs as Intern
Doctors for Clinical Diagnosis [72.50974375416239]
リアルタイムのインタラクティブな診断環境を構築するために設計されたフレームワークであるAI Hospitalを紹介する。
様々な大規模言語モデル(LLM)は、対話的診断のためのインターン医師として機能する。
我々は,医療部長の監督の下で,反復的な議論と紛争解決プロセスを含む協調的なメカニズムを導入する。
論文 参考訳(メタデータ) (2024-02-15T06:46:48Z) - Benchmarking Large Language Models on Communicative Medical Coaching: a
Novel System and Dataset [28.435148148156706]
統合された人間-AI協調フレームワークChatCoach'を紹介する。
患者エージェントとコーチングエージェントは、医療コミュニケーションスキルの実践において、医療学習者を協調的に支援する。
比較分析の結果,Llama2はChatGPTのプロンプトベースアプローチよりも優れていることがわかった。
論文 参考訳(メタデータ) (2024-02-08T10:32:06Z) - 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) - Generating medically-accurate summaries of patient-provider dialogue: A
multi-stage approach using large language models [6.252236971703546]
効果的な要約は、対話におけるすべての医学的関連情報を一貫性と精度良く捉えることが要求される。
本稿では, 医療会話の要約問題に, タスクを, より小さな対話に基づくタスクに分解することで対処する。
論文 参考訳(メタデータ) (2023-05-10T08:48:53Z) - 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) - 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) - Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。
目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。
本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文 参考訳(メタデータ) (2021-08-02T10:42:52Z) - 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) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳(メタデータ) (2020-04-11T12:51:07Z)
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。