論文の概要: FactsR: A Safer Method for Producing High Quality Healthcare Documentation

• arxiv url: http://arxiv.org/abs/2505.10360v1
• Date: Thu, 15 May 2025 14:51:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 22:29:06.362679
• Title: FactsR: A Safer Method for Producing High Quality Healthcare Documentation
• Title（参考訳）: FactsR:高品質な医療ドキュメント作成のためのサプライ方法
• Authors: Victor Petrén Bach Hansen, Lasse Krogsbøll, Jonas Lyngsø, Mathias Baltzersen, Andreas Motzfeldt, Kevin Pelgrims, Lars Maaløe,
• Abstract要約: 本稿では,医療相談と並行して,健康な臨床情報をリアルタイムに抽出するFactsについて紹介する。 FactsR法は, ノート生成のクリニアン・イン・ザ・ループを配置することにより, より正確かつ簡潔な音符を生成する。
• 参考スコア（独自算出の注目度）: 4.179214819734853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There are now a multitude of AI-scribing solutions for healthcare promising the utilization of large language models for ambient documentation. However, these AI scribes still rely on one-shot, or few-shot prompts for generating notes after the consultation has ended, employing little to no reasoning. This risks long notes with an increase in hallucinations, misrepresentation of the intent of the clinician, and reliance on the proofreading of the clinician to catch errors. A dangerous combination for patient safety if vigilance is compromised by workload and fatigue. In this paper, we introduce a method for extracting salient clinical information in real-time alongside the healthcare consultation, denoted Facts, and use that information recursively to generate the final note. The FactsR method results in more accurate and concise notes by placing the clinician-in-the-loop of note generation, while opening up new use cases within real-time decision support.
• Abstract（参考訳）: 周囲のドキュメントに大規模な言語モデルを活用することを約束する、医療のためのAI記述ソリューションが、現在多数存在する。 しかし、これらのAI書記者はいまだ一発または数発のプロンプトを頼りに、協議が終わった後、メモを生成する。 このリスクは、幻覚の増加、臨床医の意図の誤表現、およびエラーを見つけるための臨床医の証明に頼ることである。 警戒が作業負荷と疲労によって損なわれる場合、患者の安全にとって危険な組み合わせである。 本稿では,医療相談,ファクト(Facts)と表記された臨床情報をリアルタイムに抽出し,その情報を再帰的に利用して最終メモを生成する手法を提案する。 FactsR法は,ノート作成のクリニアンを配置し,新たなユースケースをリアルタイム意思決定支援に開放することにより,より正確かつ簡潔なノート作成を実現する。

関連論文リスト

• ChatFDA: Medical Records Risk Assessment [0.0]
  本研究は,医療ノートから生じる潜在的なリスクを解消する上で,介護者を支援することで,この課題に対処するための先駆的アプリケーションについて検討する。 このアプリケーションは、オープンソースFDAのデータを活用して、処方薬に関するリアルタイムで実用的な洞察を提供する。 MIMIC-III citemimic datasetで行った予備的な分析は、医療ミスの低減と患者の安全性の増幅を強調した概念の証明を裏付けるものである。
  論文  参考訳（メタデータ） (2023-12-20T03:40:45Z)
• 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)
• 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)
• 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)

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。