Fugu-MT 論文翻訳(概要): Medical Dialogue Generation via Intuitive-then-Analytical Differential Diagnosis

論文の概要: Medical Dialogue Generation via Intuitive-then-Analytical Differential Diagnosis

arxiv url: http://arxiv.org/abs/2401.06541v1
Date: Fri, 12 Jan 2024 12:35:19 GMT
ステータス: 処理完了
システム内更新日: 2024-01-15 19:33:01.167879
Title: Medical Dialogue Generation via Intuitive-then-Analytical Differential Diagnosis
Title（参考訳）: 直観的分析的鑑別診断による医用対話生成
Authors: Kaishuai Xu, Wenjun Hou, Yi Cheng, Jian Wang, Wenjie Li
Abstract要約: Intuitive-then-Analytic Differential Diagnosis (IADDx) を用いた医用対話生成フレームワークを提案する。本手法は,検索に基づく直感的アソシエーション(直感的アソシエーション)によるディファレンス診断から始まり,その後,グラフ強化解析手法により精査する。提案手法の有効性を2つのデータセットで検証した。
参考スコア（独自算出の注目度）: 14.17497921394565
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Medical dialogue systems have attracted growing research attention as they have the potential to provide rapid diagnoses, treatment plans, and health consultations. In medical dialogues, a proper diagnosis is crucial as it establishes the foundation for future consultations. Clinicians typically employ both intuitive and analytic reasoning to formulate a differential diagnosis. This reasoning process hypothesizes and verifies a variety of possible diseases and strives to generate a comprehensive and rigorous diagnosis. However, recent studies on medical dialogue generation have overlooked the significance of modeling a differential diagnosis, which hinders the practical application of these systems. To address the above issue, we propose a medical dialogue generation framework with the Intuitive-then-Analytic Differential Diagnosis (IADDx). Our method starts with a differential diagnosis via retrieval-based intuitive association and subsequently refines it through a graph-enhanced analytic procedure. The resulting differential diagnosis is then used to retrieve medical knowledge and guide response generation. Experimental results on two datasets validate the efficacy of our method. Besides, we demonstrate how our framework assists both clinicians and patients in understanding the diagnostic process, for instance, by producing intermediate results and graph-based diagnosis paths.
Abstract（参考訳）: 医療対話システムは、迅速な診断、治療計画、健康相談を提供する可能性があり、研究の注目を集めている。医学的な対話では、将来の相談の基礎を確立するために適切な診断が不可欠である。臨床医は典型的には直感的かつ分析的な推論を使って鑑別診断を行う。この推論プロセスは、様々な病気を仮説化し検証し、包括的で厳密な診断を生成する。しかし,近年の医療対話生成研究では,鑑別診断のモデル化の重要性を見落としており,実用化が妨げられている。以上の課題に対処するため,直観的分析微分診断(IADDx)を用いた医用対話生成フレームワークを提案する。本手法は, 検索に基づく直感的関連による鑑別診断から始まり, グラフ強調分析法を用いて精錬する。結果として得られた鑑別診断は、医学的知識の検索とガイド応答の生成に使用される。提案手法の有効性を2つのデータセットで検証した。また, 中間結果やグラフベースの診断経路を作成できるなど, 臨床医と患者の両方が診断過程を理解するのに, フレームワークがどのように役立つかを実証する。

関連論文リスト

MSDiagnosis: An EMR-based Dataset for Clinical Multi-Step Diagnosis [9.013608944595312]
我々は多段階診断タスクを提案し、臨床診断データセット(MSDiagnosis)に注釈を付ける。本データセットは、一次診断、鑑別診断、最終診断質問を含む。
論文参考訳（メタデータ） (2024-08-19T14:31:57Z)
Reasoning Like a Doctor: Improving Medical Dialogue Systems via Diagnostic Reasoning Process Alignment [14.563188427409958]
本研究の目的は,臨床医の診断推論プロセスと整合した医療対話システムの構築である。適切な応答を生成するために設計された新しいフレームワークであるエミュレーションを提案する。当社の枠組みは, 医療相談における透明性の向上を図り, 反応の明確な説明を提供する。
論文参考訳（メタデータ） (2024-06-20T02:02:53Z)
Towards Knowledge-Infused Automated Disease Diagnosis Assistant [14.150224660741939]
患者と医師の相互作用に基づく疾患を識別する診断アシスタントを構築した。本稿では,患者と医師のコミュニケーションを符号化した2チャンネル型談話認識疾患診断モデル(KI-DDI)を提案する。次の段階では、会話と知識グラフの埋め込みが統合され、病気の識別のためにディープニューラルネットワークに供給される。
論文参考訳（メタデータ） (2024-05-18T05:18:50Z)
A Foundational Framework and Methodology for Personalized Early and Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。診断過程を概説する決定論的アプローチに基づいている。機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文参考訳（メタデータ） (2023-11-26T14:42:31Z)
OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease Diagnosis [11.775648630734949]
アルツハイマー病(AD)は逆転や治癒はできないが、タイムリーな診断は治療やケアの負担を大幅に軽減することができる。 AD診断モデルに関する現在の研究は、診断タスクを典型的な分類タスクと見なしている。複雑で不確実な臨床環境下での直接AD診断のためのOpenClinicalAIを提案する。
論文参考訳（メタデータ） (2023-07-03T12:35:03Z)
Towards Trustworthy Automatic Diagnosis Systems by Emulating Doctors' Reasoning with Deep Reinforcement Learning [2.314562406457073]
深層強化学習フレームワークを用いて証拠取得と自動診断タスクをモデル化することを提案する。提案手法は, 競合する病理学予測精度を維持しつつ, 既存モデルよりも優れた性能を示す。
論文参考訳（メタデータ） (2022-10-13T17:17:17Z)
Interpretable Vertebral Fracture Diagnosis [69.68641439851777]
ブラックボックスニューラルネットワークモデルは、骨折診断のための臨床的に関連する特徴を学習する。この研究は、CT画像における脊椎骨折の診断にネットワークが使用する概念を特定する。
論文参考訳（メタデータ） (2022-03-30T13:07:41Z)
BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文参考訳（メタデータ） (2021-10-05T19:14:46Z)
Anytime Diagnosis for Reconfiguration [52.77024349608834]
我々は、いつでも直接診断できるflexdiagを紹介し分析する。特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
論文参考訳（メタデータ） (2021-02-19T11:45:52Z)
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)
Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文参考訳（メタデータ） (2020-12-22T13:20:23Z)

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。