Fugu-MT 論文翻訳(概要): Query-Guided Self-Supervised Summarization of Nursing Notes

論文の概要: Query-Guided Self-Supervised Summarization of Nursing Notes

arxiv url: http://arxiv.org/abs/2407.04125v1
Date: Thu, 4 Jul 2024 18:54:30 GMT
ステータス: 処理完了
システム内更新日: 2024-07-08 15:10:29.206185
Title: Query-Guided Self-Supervised Summarization of Nursing Notes
Title（参考訳）: 質問ガイドによる看護ノートの自己監督要約
Authors: Ya Gao, Hans Moen, Saila Koivusalo, Miika Koskinen, Pekka Marttinen,
Abstract要約: 本稿では,看護ノート要約のためのクエリ誘導型自己教師型ドメイン適応フレームワークQGSummを紹介する。本手法は,基準要約に頼らず,高品質で患者中心の要約を生成する。
参考スコア（独自算出の注目度）: 5.835276312834499
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nursing notes, an important component of Electronic Health Records (EHRs), keep track of the progression of a patient's health status during a care episode. Distilling the key information in nursing notes through text summarization techniques can improve clinicians' efficiency in understanding patients' conditions when reviewing nursing notes. However, existing abstractive summarization methods in the clinical setting have often overlooked nursing notes and require the creation of reference summaries for supervision signals, which is time-consuming. In this work, we introduce QGSumm, a query-guided self-supervised domain adaptation framework for nursing note summarization. Using patient-related clinical queries as guidance, our approach generates high-quality, patient-centered summaries without relying on reference summaries for training. Through automatic and manual evaluation by an expert clinician, we demonstrate the strengths of our approach compared to the state-of-the-art Large Language Models (LLMs) in both zero-shot and few-shot settings. Ultimately, our approach provides a new perspective on conditional text summarization, tailored to the specific interests of clinical personnel.
Abstract（参考訳）: 看護記録(Electronic Health Records, EHRs)の重要な構成要素である看護ノートは、ケアエピソード中の患者の健康状態の進行を追跡記録する。看護ノートに重要な情報をテキスト要約技術で蒸留することで、看護ノートをレビューする際の患者の状態を理解する上で、臨床医の効率を向上させることができる。しかし, 臨床現場における既存の抽象的要約法は, 看護ノートの見落としがちであり, 監視信号の参照要約の作成が必要であり, 時間を要する。本稿では,看護ノート要約のためのクエリ誘導型自己教師型ドメイン適応フレームワークであるQGSummを紹介する。本研究は,患者関連臨床クエリをガイダンスとして,基準サマリーに頼らず,高品質で患者中心のサマリーを生成する。専門医による自動的,手動的評価を通じて,ゼロショットと少数ショットの両方で,最先端の大規模言語モデル(LLM)と比較して,我々のアプローチの強みを実証する。最終的に,本手法は,臨床スタッフの特定の関心事に合わせて,条件付きテキスト要約の新しい視点を提供する。

関連論文リスト

Improving Clinical Note Generation from Complex Doctor-Patient Conversation [20.2157016701399]
大言語モデル(LLM)を用いた臨床ノート作成分野への3つの重要な貢献について述べる。まず、CliniKnoteを紹介します。CliniKnoteは、1200の複雑な医師と患者との会話と、その全臨床ノートを組み合わせたデータセットです。第2に,従来のSOAPcitepodder20soap(Subjective, Objective, Assessment, Plan)のメモを上位にキーワードセクションを追加することで,必須情報の迅速な識別を可能にするK-SOAPを提案する。第3に、医師と患者との会話からK-SOAPノートを生成する自動パイプラインを開発し、様々な近代LCMをベンチマークする。
論文参考訳（メタデータ） (2024-08-26T18:39:31Z)
Conceptualizing Machine Learning for Dynamic Information Retrieval of Electronic Health Record Notes [6.1656026560972]
本研究は、特定の臨床コンテキストにおける注記関連性の監督源として、機械学習におけるEHR監査ログの使用を概念化したものである。本手法は,個々のノート作成セッションでどのノートが読み込まれるかを予測するために0.963のAUCを実現できることを示す。
論文参考訳（メタデータ） (2023-08-09T21:04:19Z)
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)
SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文参考訳（メタデータ） (2023-03-23T04:47:46Z)
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)
Discharge Summary Hospital Course Summarisation of In Patient Electronic Health Record Text with Clinical Concept Guided Deep Pre-Trained Transformer Models [1.1393603788068778]
ブリーフ病院コース(英: Brief Hospital Course、略称:BHC)は、病院全体の出会いの簡潔なサマリーであり、退院サマリーに埋め込まれている。深層学習要約モデルの性能を実証するBHC要約法について述べる。
論文参考訳（メタデータ） (2022-11-14T05:39:45Z)
Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
本稿では,Re$3$Writer法を提案する。本手法が患者の退院指示生成に有効であることを示す。
論文参考訳（メタデータ） (2022-10-23T16:34:39Z)
Summarizing Patients Problems from Hospital Progress Notes Using Pre-trained Sequence-to-Sequence Models [9.879960506853145]
問題リストの要約には、臨床文書を理解し、抽象化し、生成するモデルが必要である。当科では,入院時に提供者の進捗記録からの入力を用いて,患者の日常診療計画における問題点のリストを作成することを目的とした,新たなNLPタスクを提案する。
論文参考訳（メタデータ） (2022-08-17T17:07:35Z)
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 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)
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)

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。