Fugu-MT 論文翻訳(概要): Exploring the Consistency, Quality and Challenges in Manual and Automated Coding of Free-text Diagnoses from Hospital Outpatient Letters

論文の概要: Exploring the Consistency, Quality and Challenges in Manual and Automated Coding of Free-text Diagnoses from Hospital Outpatient Letters

arxiv url: http://arxiv.org/abs/2311.10856v1
Date: Fri, 17 Nov 2023 20:32:24 GMT
ステータス: 処理完了
システム内更新日: 2023-11-22 14:00:12.579254
Title: Exploring the Consistency, Quality and Challenges in Manual and Automated Coding of Free-text Diagnoses from Hospital Outpatient Letters
Title（参考訳）: 病院外来文字からのフリーテキスト診断のマニュアル・自動コーディングにおける一貫性・品質・課題の検討
Authors: Warren Del-Pinto, George Demetriou, Meghna Jani, Rikesh Patel, Leanne Gray, Alex Bulcock, Niels Peek, Andrew S. Kanter, William G Dixon, Goran Nenadic
Abstract要約: 本研究は,外来患者からの診断における手動および自動臨床符号化の質と整合性を評価するものである。金の基準は、注釈付き診断のサブセットから臨床医のパネルによって構築された。以上の結果から,自由テキスト記述に1つの診断しか含まれていない場合,人間による自動符号化はわずかに性能が優れていた。
参考スコア（独自算出の注目度）: 4.743464936070594
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Coding of unstructured clinical free-text to produce interoperable structured data is essential to improve direct care, support clinical communication and to enable clinical research.However, manual clinical coding is difficult and time consuming, which motivates the development and use of natural language processing for automated coding. This work evaluates the quality and consistency of both manual and automated clinical coding of diagnoses from hospital outpatient letters. Using 100 randomly selected letters, two human clinicians performed coding of diagnosis lists to SNOMED CT. Automated coding was also performed using IMO's Concept Tagger. A gold standard was constructed by a panel of clinicians from a subset of the annotated diagnoses. This was used to evaluate the quality and consistency of both manual and automated coding via (1) a distance-based metric, treating SNOMED CT as a graph, and (2) a qualitative metric agreed upon by the panel of clinicians. Correlation between the two metrics was also evaluated. Comparing human and computer-generated codes to the gold standard, the results indicate that humans slightly out-performed automated coding, while both performed notably better when there was only a single diagnosis contained in the free-text description. Automated coding was considered acceptable by the panel of clinicians in approximately 90% of cases.
Abstract（参考訳）: 相互運用可能な構造化データを生成するための構造化されていない自由テキストの符号化は、直接ケアの改善、臨床コミュニケーションの支援、臨床研究の実現に不可欠である。本研究は, 病院外来での診断における手作業と自動臨床診断の質と一貫性を評価する。ランダムに選択された100文字を用いて、2人のヒト臨床医がSNOMED CTに診断リストの符号化を行った。 IMOのConcept Taggerを使った自動コーディングも行われた。金の基準は、注釈付き診断のサブセットから臨床医のパネルによって構築された。本研究は,(1)距離に基づく距離計測,SNOMED CTのグラフ化,(2)臨床医のパネルで合意された定性的測定による手動・自動符号化の品質と整合性を評価するために用いられた。また,両指標の相関も評価した。人やコンピュータが生成したコードと金の標準を比較した結果、自由テキスト記述に1つの診断しか含まれていない場合に、人間はわずかにパフォーマンスが向上した。自動コーディングは、約90%の症例で臨床医のパネルで受け入れられた。

関連論文リスト

Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
MedCodER: A Generative AI Assistant for Medical Coding [3.7153274758003967]
我々は、自動医療コーディングのためのジェネレーティブAIフレームワークであるMedCodERを紹介する。 MedCodERは、ICD(International Classification of Diseases)コード予測において、マイクロF1スコアの0.60を達成している。疾患診断,ICD符号,エビデンステキストを付加した医療記録を含む新しいデータセットを提案する。
論文参考訳（メタデータ） (2024-09-18T19:36:33Z)
A Data-Driven Guided Decoding Mechanism for Diagnostic Captioning [11.817595076396925]
診断用キャプション(DC)は、患者の1つ以上の医療画像から診断用テキストを自動的に生成する。本稿では,診断テキスト生成プロセスのビームサーチに医療情報を組み込んだデータ駆動型ガイドデコーディング手法を提案する。提案手法は,CNNエンコーダを用いた汎用画像-テキストシステムから,事前学習された大規模言語モデルまで,4つのDCシステムを用いて2つの医療データセット上で評価する。
論文参考訳（メタデータ） (2024-06-20T10:08:17Z)
Automated Clinical Coding for Outpatient Departments [14.923343535929515]
本報告は,病院における外来医療における最先端の深層学習に基づく臨床コーディング手法の有効性を検討するための最初の試みである。私たちは、500万人以上の患者を記録した700万以上のノートからなる、大規模な外来患者データセットを収集します。我々はこの設定に4つの最先端の臨床的コーディングアプローチを適用し、コーダを補助する可能性を評価する。
論文参考訳（メタデータ） (2023-12-21T02:28:29Z)
Consultation Checklists: Standardising the Human Evaluation of Medical Note Generation [58.54483567073125]
本稿では,コンサルテーションチェックリストの評価を基礎として,客観性向上を目的としたプロトコルを提案する。このプロトコルを用いた最初の評価研究において,アノテータ間合意の良好なレベルを観察した。
論文参考訳（メタデータ） (2022-11-17T10:54:28Z)
GrabQC: Graph based Query Contextualization for automated ICD coding [16.096824533334352]
textbfGraph textbfベースのtextbfQuery textbfContextualization法である textbfGrabQC を提案する。本手法の有効性を主張するために,臨床テキストの2つのデータセットを3つの異なる設定で実験を行った。
論文参考訳（メタデータ） (2022-07-14T10:27:25Z)
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)
Towards The Automatic Coding of Medical Transcripts to Improve Patient-Centered Communication [0.0]
3つの機械学習アルゴリズムを用いて、テキスト中の行を対応するコードに分類する。コードを区別する証拠があり、これは人間の注釈の訓練に十分であると考えられている。
論文参考訳（メタデータ） (2021-09-22T04:37:05Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
Benchmarking Automated Clinical Language Simplification: Dataset, Algorithm, and Evaluation [48.87254340298189]
我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
論文参考訳（メタデータ） (2020-12-04T06:09:02Z)
CodeBLEU: a Method for Automatic Evaluation of Code Synthesis [57.87741831987889]
コード合成の分野では、一般的に使用される評価基準はBLEUまたは完全精度である。我々はCodeBLEUと呼ばれる新しい自動評価指標を導入する。 n-gramマッチングにおけるBLEUの強度を吸収し、抽象構文木(AST)やデータフローによるコードセマンティクスを通じてコード構文を注入する。
論文参考訳（メタデータ） (2020-09-22T03:10:49Z)

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。