論文の概要: Almanac Copilot: Towards Autonomous Electronic Health Record Navigation

• arxiv url: http://arxiv.org/abs/2405.07896v2
• Date: Tue, 14 May 2024 20:25:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-16 17:51:17.009466
• Title: Almanac Copilot: Towards Autonomous Electronic Health Record Navigation
• Title（参考訳）: Almanac Copilot:自律的な電子健康記録ナビゲーションを目指す
• Authors: Cyril Zakka, Joseph Cho, Gracia Fahed, Rohan Shad, Michael Moor, Robyn Fong, Dhamanpreet Kaur, Vishnu Ravi, Oliver Aalami, Roxana Daneshjou, Akshay Chaudhari, William Hiesinger,
• Abstract要約: 臨床医は臨床文書に多くの時間を費やす。 紙ベースの記録からの移行はクリニックウェルネスと負の関連がある。 本稿では,EMR特有のタスクで臨床医を支援する自律型エージェントであるAlmanac Copilotを紹介する。
• 参考スコア（独自算出の注目度）: 4.939203290543146
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Clinicians spend large amounts of time on clinical documentation, and inefficiencies impact quality of care and increase clinician burnout. Despite the promise of electronic medical records (EMR), the transition from paper-based records has been negatively associated with clinician wellness, in part due to poor user experience, increased burden of documentation, and alert fatigue. In this study, we present Almanac Copilot, an autonomous agent capable of assisting clinicians with EMR-specific tasks such as information retrieval and order placement. On EHR-QA, a synthetic evaluation dataset of 300 common EHR queries based on real patient data, Almanac Copilot obtains a successful task completion rate of 74% (n = 221 tasks) with a mean score of 2.45 over 3 (95% CI:2.34-2.56). By automating routine tasks and streamlining the documentation process, our findings highlight the significant potential of autonomous agents to mitigate the cognitive load imposed on clinicians by current EMR systems.
• Abstract（参考訳）: 臨床医は大量の時間を臨床文書に費やし、非効率性は医療の質に影響を与え、臨床医のバーンアウトを増加させる。 電子カルテ(EMR)の約束にもかかわらず、紙ベースの記録からの移行は、ユーザエクスペリエンスの低下、ドキュメントの負担の増加、警告疲労など、臨床医の健康と負の関連がある。 本研究では,臨床医が情報検索や注文の配置など,EMR固有のタスクで支援できる自律型エージェントであるAlmanac Copilotを紹介する。 EHR-QAは、実際の患者データに基づいて300の共通EHRクエリの合成評価データセットであり、Almanac Copilotは74%(n = 221タスク)のタスク完了率と平均スコアが2.45以上(95% CI:2.34-2.56)を得る。 本研究は,日常業務の自動化とドキュメンテーションプロセスの合理化により,現在のEMMシステムによって臨床医に課される認知負荷を軽減する自律エージェントの有意な可能性を明らかにする。

関連論文リスト

• ACR: A Benchmark for Automatic Cohort Retrieval [1.3547712404175771]
  現在のコホート検索手法は、手作業によるキュレーションと組み合わせた構造化データの自動クエリに依存している。 大規模言語モデル(LLM)と情報検索(IR)の最近の進歩は、これらのシステムに革命をもたらす有望な道を提供する。 本稿では,新しいタスクであるAutomatic Cohort Retrieval (ACR)を導入し,LLMと商用のドメイン固有のニューロシンボリックアプローチの性能を評価する。
  論文  参考訳（メタデータ） (2024-06-20T23:04:06Z)
• Enhancing Clinical Efficiency through LLM: Discharge Note Generation for Cardiac Patients [1.379398224469229]
  本研究は、特に心臓病患者において、手動で放電ノートを作成する際の非効率性と不正確性について論じる。 本研究は,大規模言語モデル(LLM)の文書化プロセスの向上能力を評価する。 評価された様々なモデルの中で、Mistral-7Bは正確に放電音を発生させることで識別された。
  論文  参考訳（メタデータ） (2024-04-08T01:55:28Z)
• AgentMD: Empowering Language Agents for Risk Prediction with Large-Scale Clinical Tool Learning [11.8292941452582]
  我々は,臨床電卓を様々な臨床状況でキュレートし,応用できる新しい言語エージェントであるAgentMDを紹介した。 AgentMDは、実行可能な機能と構造化ドキュメントを備えた2,164の多様な臨床電卓のコレクションを自動でキュレートした。 手作業による評価では、3つの品質指標に対して80%以上の精度を実現している。
  論文  参考訳（メタデータ） (2024-02-20T18:37:19Z)
• MedAlign: A Clinician-Generated Dataset for Instruction Following with Electronic Medical Records [60.35217378132709]
  大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。 医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。 我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
  論文  参考訳（メタデータ） (2023-08-27T12:24:39Z)
• A Method to Automate the Discharge Summary Hospital Course for Neurology Patients [0.2958331832356468]
  エンコーダ・デコーダ・シーケンス・ツー・シーケンス・トランスモデルを用いて,病院のコースセクションを要約する自動手法を開発し,評価した。 この手法は13.76のR-2で良いROUGEスコアを示した。
  論文  参考訳（メタデータ） (2023-05-10T18:53:51Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• 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)
• Active learning for medical code assignment [55.99831806138029]
  臨床領域における多ラベルテキスト分類におけるアクティブラーニング(AL)の有効性を示す。 MIMIC-IIIデータセットにICD-9コードを自動的に割り当てるために、よく知られたALメソッドのセットを適用します。 その結果、有益なインスタンスの選択は、大幅に減少したトレーニングセットで満足のいく分類を提供する。
  論文  参考訳（メタデータ） (2021-04-12T18:11:17Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
  本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。 実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
  論文  参考訳（メタデータ） (2020-06-15T21:01:33Z)

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。