論文の概要: Spoken Dialogue System for Medical Prescription Acquisition on Smartphone: Development, Corpus and Evaluation

• arxiv url: http://arxiv.org/abs/2311.03510v1
• Date: Mon, 6 Nov 2023 20:36:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 17:51:38.241785
• Title: Spoken Dialogue System for Medical Prescription Acquisition on Smartphone: Development, Corpus and Evaluation
• Title（参考訳）: スマートフォンにおける医療処方獲得のための音声対話システム : 開発・コーパス・評価
• Authors: Ali Can Kocabiyikoglu and Fran\c{c}ois Portet and Jean-Marc Babouchkine and Prudence Gibert and Herv\'e Blanchon and Ga\"etan Gavazzi
• Abstract要約: 本稿では,スマートフォン上でアクセス可能な音声対話システムという形で,e-prescribing softwareのための自然言語インタフェースを提案する。 システムは、プリスクライブソフトウェアでチェック可能な処方薬の正式な表現を抽出する。
• 参考スコア（独自算出の注目度）: 0.11184789007828977
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Hospital information systems (HIS) have become an essential part of healthcare institutions and now incorporate prescribing support software. Prescription support software allows for structured information capture, which improves the safety, appropriateness and efficiency of prescriptions and reduces the number of adverse drug events (ADEs). However, such a system increases the amount of time physicians spend at a computer entering information instead of providing medical care. In addition, any new visiting clinician must learn to manage complex interfaces since each HIS has its own interfaces. In this paper, we present a natural language interface for e-prescribing software in the form of a spoken dialogue system accessible on a smartphone. This system allows prescribers to record their prescriptions verbally, a form of interaction closer to their usual practice. The system extracts the formal representation of the prescription ready to be checked by the prescribing software and uses the dialogue to request mandatory information, correct errors or warn of particular situations. Since, to the best of our knowledge, there is no existing voice-based prescription dialogue system, we present the system developed in a low-resource environment, focusing on dialogue modeling, semantic extraction and data augmentation. The system was evaluated in the wild with 55 participants. This evaluation showed that our system has an average prescription time of 66.15 seconds for physicians and 35.64 seconds for other experts, and a task success rate of 76\% for physicians and 72\% for other experts. All evaluation data were recorded and annotated to form PxCorpus, the first spoken drug prescription corpus that has been made fully available to the community (\url{https://doi.org/10.5281/zenodo.6524162}).
• Abstract（参考訳）: 病院情報システム(HIS)は医療機関の不可欠な部分となり、現在、処方支援ソフトウェアを組み込んでいる。 処方支援ソフトウェアは構造化情報取得を可能にし、処方薬の安全性、適切性、効率を改善し、有害薬物イベント(ADE)の数を減らす。 しかし、そのようなシステムは、医師が医療を提供する代わりに情報を入力するコンピュータに費やす時間を増やす。 さらに、新規来院医は、それぞれのHISが独自のインターフェースを持っているため、複雑なインターフェースを管理することを学ぶ必要がある。 本稿では,スマートフォン上でアクセス可能な音声対話システムとして,e-prescribing softwareの自然言語インタフェースを提案する。 このシステムにより、加入者は通常の習慣に近い形で、口頭で処方を記録できる。 システムは、規定ソフトウェアによってチェックされる準備ができている処方薬の正式な表現を抽出し、対話を使用して、必須情報、正しいエラー、特定の状況の警告を行う。 我々の知る限り,音声による処方対話システムは存在しないため,対話モデリング,意味抽出,データ拡張に重点を置き,低リソース環境において開発したシステムを提案する。 このシステムは55人の参加者で野生で評価された。 以上の結果から,当システムの平均処方時間は66.15秒,他の専門家は35.64秒であり,医師は76\%,他の専門家は72\%であった。 すべての評価データが記録され、注釈付けされ、PxCorpusは、コミュニティで利用可能となった最初の発声薬用処方薬コーパスである(\url{https://doi.org/10.5281/zenodo.6524162})。

関連論文リスト

• A GEN AI Framework for Medical Note Generation [3.7444770630637167]
  MediNotesは、医療会話からSOAP(Subjective, Objective, Assessment, Plan)ノートの作成を自動化するために設計された高度な生成AIフレームワークである。 MediNotesはLarge Language Models (LLM)、Retrieval-Augmented Generation (RAG)、Automatic Speech Recognition (ASR)を統合し、テキスト入力と音声入力の両方をリアルタイムで、記録されたオーディオからキャプチャし、処理する。
  論文  参考訳（メタデータ） (2024-09-27T23:05:02Z)
• Medical Dialogue: A Survey of Categories, Methods, Evaluation and Challenges [30.204295770270416]
  本稿では,医療ダイアログシステムの研究成果を調査・整理する。 有名なコンピュータ科学や自然言語処理会議、ジャーナルから325の論文を初期プールで調査している。 医療ダイアログシステム、特に大規模言語モデルにおける大きな課題をリストアップする。
  論文  参考訳（メタデータ） (2024-05-17T08:46:15Z)
• A Spoken Drug Prescription Dataset in French for Spoken Language Understanding [0.31317409221921133]
  PxSLU (PxSLU) と命名された最初の発声薬用処方薬コーパスを提示した。 フランスでは、55人の参加者と非専門家による処方薬に関する実験を通じて、薬物処方薬の書き起こしと注釈付き対話が4時間にわたって行われている。
  論文  参考訳（メタデータ） (2022-07-17T21:18:03Z)
• PoCaP Corpus: A Multimodal Dataset for Smart Operating Room Speech Assistant using Interventional Radiology Workflow Analysis [7.189635716814341]
  本稿では,PoCaP (Port Catheter Placement) Corpus と呼ばれる多モード干渉ラジオロジーデータセットを提案する。 このコーパスは、ドイツ語の音声と音声の信号、X線画像、および6人の外科医による31のPoCaPの介入から収集されたシステムコマンドで構成されている。
  論文  参考訳（メタデータ） (2022-06-24T14:39:11Z)
• User-Driven Research of Medical Note Generation Software [49.85146209418244]
  本稿では,医療用ノート生成システム開発における3ラウンドのユーザスタディについて述べる。 参加する臨床医の印象と,システムがどのようにそれらに価値あるものに適合すべきかの視点について論じる。 遠隔医療における3週間のシステムテストについて述べる。
  論文  参考訳（メタデータ） (2022-05-05T10:18:06Z)
• 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)
• 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)
• Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
  本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。 我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。 本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
  論文  参考訳（メタデータ） (2021-12-23T16:11:19Z)
• CAiRE in DialDoc21: Data Augmentation for Information-Seeking Dialogue System [55.43871578056878]
  DialDoc21コンペティションでは,サブタスク1で74.95 F1スコア,60.74 Exact Matchスコア,サブタスク2で37.72 SacreBLEUスコアを達成した。
  論文  参考訳（メタデータ） (2021-06-07T11:40:55Z)
• 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)
• Transforming unstructured voice and text data into insight for paramedic emergency service using recurrent and convolutional neural networks [68.8204255655161]
  救急隊員は救急車内で限られた時間内に救命判断をしなければならないことが多い。 本研究の目的は、音声とテキストデータを自動的に融合して、救急隊員に適切な状況認識情報を提供することである。
  論文  参考訳（メタデータ） (2020-05-30T06:47:02Z)

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。