論文の概要: MediTOD: An English Dialogue Dataset for Medical History Taking with Comprehensive Annotations

• arxiv url: http://arxiv.org/abs/2410.14204v1
• Date: Fri, 18 Oct 2024 06:38:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 14:25:43.580158
• Title: MediTOD: An English Dialogue Dataset for Medical History Taking with Comprehensive Annotations
• Title（参考訳）: MediTOD:包括的アノテーションを用いた医学史のための英語対話データセット
• Authors: Vishal Vivek Saley, Goonjan Saha, Rocktim Jyoti Das, Dinesh Raghu, Mausam,
• Abstract要約: 本研究は,医学史研究のための英語における医師と患者との対話のデータセットであるMedictoDを紹介する。 医療領域に合わせたアンケートに基づくラベリング手法を考案する。 そして、医療専門家は高品質の包括的なアノテーションでデータセットを作成する。
• 参考スコア（独自算出の注目度）: 23.437292621092823
• License:
• Abstract: Medical task-oriented dialogue systems can assist doctors by collecting patient medical history, aiding in diagnosis, or guiding treatment selection, thereby reducing doctor burnout and expanding access to medical services. However, doctor-patient dialogue datasets are not readily available, primarily due to privacy regulations. Moreover, existing datasets lack comprehensive annotations involving medical slots and their different attributes, such as symptoms and their onset, progression, and severity. These comprehensive annotations are crucial for accurate diagnosis. Finally, most existing datasets are non-English, limiting their utility for the larger research community. In response, we introduce MediTOD, a new dataset of doctor-patient dialogues in English for the medical history-taking task. Collaborating with doctors, we devise a questionnaire-based labeling scheme tailored to the medical domain. Then, medical professionals create the dataset with high-quality comprehensive annotations, capturing medical slots and their attributes. We establish benchmarks in supervised and few-shot settings on MediTOD for natural language understanding, policy learning, and natural language generation subtasks, evaluating models from both TOD and biomedical domains. We make MediTOD publicly available for future research.
• Abstract（参考訳）: 医療タスク指向の対話システムは、患者の医療履歴の収集、診断支援、治療選択の指導により、医師のバーンアウトを減らし、医療サービスへのアクセスを拡大することで、医師を支援することができる。 しかし、医師と患者の対話データセットは、主にプライバシー規制のため、簡単には利用できない。 さらに、既存のデータセットには、症状や発症、進行、重症度など、医療用スロットとその属性に関する包括的なアノテーションがない。 これらの包括的なアノテーションは正確な診断に不可欠である。 最後に、既存のデータセットのほとんどは英語ではないため、より大きな研究コミュニティでの利用が制限されている。 そこで本研究では,医学史研究のための英語で医師と患者との対話のデータセットであるMedictoDを紹介した。 医師と共同で,医療領域に合わせたアンケートに基づくラベリング手法を考案した。 そして、医療専門家は、高品質な包括的なアノテーションでデータセットを作成し、医療スロットとその属性をキャプチャする。 我々は、自然言語理解、政策学習、および自然言語生成サブタスクのためのMedicTODの教師付きおよび少数の設定においてベンチマークを確立し、TODとバイオメディカルドメインの両方のモデルを評価する。 今後の研究のために、MedictoDを一般公開する。

関連論文リスト

• RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
  本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。 患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-22T17:44:40Z)
• COGNET-MD, an evaluation framework and dataset for Large Language Model benchmarks in the medical domain [1.6752458252726457]
  大規模言語モデル(LLM)は最先端の人工知能(AI)技術である。 医療領域認知ネットワーク評価ツールキット(COGNET-MD)について概説する。 医用テキストの解釈におけるLCMの能力を評価するのが困難であるスコアフレームを提案する。
  論文  参考訳（メタデータ） (2024-05-17T16:31:56Z)
• MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway Encoding [48.348511646407026]
  本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。 このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
  論文  参考訳（メタデータ） (2024-03-11T10:57:45Z)
• Developing ChatGPT for Biology and Medicine: A Complete Review of Biomedical Question Answering [25.569980942498347]
  ChatGPTは、医療診断、治療レコメンデーション、その他の医療支援の提供において、QA(QA)の戦略的青写真を探っている。 これは、自然言語処理(NLP)とマルチモーダルパラダイムによる医療領域データの取り込みの増加によって達成される。
  論文  参考訳（メタデータ） (2024-01-15T07:21:16Z)
• MedSumm: A Multimodal Approach to Summarizing Code-Mixed Hindi-English Clinical Queries [16.101969130235055]
  本稿では,Multimodal Medical Codemixed Question Summarization MMCQSデータセットを紹介する。 このデータセットは、ヒンディー語と英語の混成医療クエリと視覚支援を組み合わせたものだ。 データセット、コード、トレーニング済みのモデルを公開します。
  論文  参考訳（メタデータ） (2024-01-03T07:58:25Z)
• PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
  大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。 LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。 PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
  論文  参考訳（メタデータ） (2023-04-27T18:29:05Z)
• 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)
• 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)
• M^2-MedDialog: A Dataset and Benchmarks for Multi-domain Multi-service Medical Dialogues [25.58066103487436]
  医療対話システム(MDS)は、様々な専門的な医療サービスを持つ医師や患者を支援することを目的としている。 大規模な対話には、複数の医療サービスときめ細かい医療ラベルの両方が含まれているようなデータセットはありません。 まずM2-MedDialog(M2-MedDialog)データベースを構築する。
  論文  参考訳（メタデータ） (2021-09-01T15:24:54Z)
• 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)

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。