論文の概要: Dutch Metaphor Extraction from Cancer Patients' Interviews and Forum Data using LLMs and Human in the Loop

• arxiv url: http://arxiv.org/abs/2511.06427v1
• Date: Sun, 09 Nov 2025 15:49:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.93926
• Title: Dutch Metaphor Extraction from Cancer Patients' Interviews and Forum Data using LLMs and Human in the Loop
• Title（参考訳）: LLMとヒトループを用いたがん患者のインタビューとフォーラムデータからのオランダ語メタファー抽出
• Authors: Lifeng Han, David Lindevelt, Sander Puts, Erik van Mulligen, Suzan Verberne,
• Abstract要約: 我々は、がん患者のオランダ語データに焦点を当てる。 2つのデータソースを用いて患者が使用するメタファーを抽出する。 そこで,Human-in-the-loopセットアップを用いて抽出したメタファを検証し,出力をHealthQuote.NLというコーパスにコンパイルする。
• 参考スコア（独自算出の注目度）: 9.69093422708825
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Metaphors and metaphorical language (MLs) play an important role in healthcare communication between clinicians, patients, and patients' family members. In this work, we focus on Dutch language data from cancer patients. We extract metaphors used by patients using two data sources: (1) cancer patient storytelling interview data and (2) online forum data, including patients' posts, comments, and questions to professionals. We investigate how current state-of-the-art large language models (LLMs) perform on this task by exploring different prompting strategies such as chain of thought reasoning, few-shot learning, and self-prompting. With a human-in-the-loop setup, we verify the extracted metaphors and compile the outputs into a corpus named HealthQuote.NL. We believe the extracted metaphors can support better patient care, for example shared decision making, improved communication between patients and clinicians, and enhanced patient health literacy. They can also inform the design of personalized care pathways. We share prompts and related resources at https://github.com/aaronlifenghan/HealthQuote.NL
• Abstract（参考訳）: メタファーとメタファー言語(ML)は、臨床医、患者、および患者の家族間の医療コミュニケーションにおいて重要な役割を担っている。 本研究では,がん患者の言語データに着目した。 我々は,(1)がん患者のストーリーテリング面接データと(2)患者の投稿,コメント,専門家への質問を含むオンラインフォーラムデータという2つのデータソースを用いたメタファーを抽出した。 本研究では,現在最先端の大規模言語モデル (LLM) がこの課題に対して,思考推論の連鎖,少数ショット学習,自己プロンプトなど,様々なプロンプト戦略を探求することによって,どのように機能するかを検討する。 そこで,Human-in-the-loopセットアップを用いて抽出したメタファを検証し,出力をHealthQuote.NLというコーパスにコンパイルする。 抽出したメタファーは、例えば、共有意思決定、患者と臨床医とのコミュニケーションの改善、患者の健康リテラシーの向上など、より良い患者ケアを支援することができると信じている。 また、パーソナライズされたケアパスの設計を通知することもできる。 我々は、https://github.com/aaronlifenghan/HealthQuote.NLでプロンプトと関連するリソースを共有します。

関連論文リスト

• A Comparative Study on Patient Language across Therapeutic Domains for Effective Patient Voice Classification in Online Health Discussions [0.48124799513933847]
  本研究では,患者音声の正確な分類における言語的特徴の重要性を分析する。 我々は、類似した言語パターンと組み合わせたデータセットに基づいて事前学習した言語モデルを微調整し、高い精度で患者音声を自動分類した。 この話題の先駆的な研究として、ソーシャルメディアから真正の患者体験を抽出することに注力することは、医療基準の進歩に向けた重要なステップである。
  論文  参考訳（メタデータ） (2024-07-23T15:51:46Z)
• Leveraging Large Language Models for Patient Engagement: The Power of Conversational AI in Digital Health [1.8772687384996551]
  大規模言語モデル(LLM)は、会話型AIを通じて医療における患者のエンゲージメントを変革する新たな機会を開いた。 4つのケーススタディを通して,LLMの非構造化会話データ処理能力を示す。
  論文  参考訳（メタデータ） (2024-06-19T16:02:04Z)
• XrayGPT: Chest Radiographs Summarization using Medical Vision-Language Models [72.8965643836841]
  我々は,会話型医療ビジョン言語モデルであるXrayGPTを紹介する。 胸部X線写真に関するオープンエンドの質問を分析し、答えることができる。 自由テキストラジオグラフィーレポートから217kの対話的かつ高品質な要約を生成する。
  論文  参考訳（メタデータ） (2023-06-13T17:59:59Z)
• MedNgage: A Dataset for Understanding Engagement in Patient-Nurse Conversations [4.847266237348932]
  症状を効果的に管理する患者は、医療従事者との会話や介入において、より高いレベルのエンゲージメントを示すことが多い。 AIシステムは、患者と実践者との自然な会話におけるエンゲージメントを理解して、患者のケアにもっと貢献することが不可欠である。 本稿では,がん症状管理に関する患者と看護者の会話をまとめた新しいデータセット(MedNgage)を提案する。
  論文  参考訳（メタデータ） (2023-05-31T16:06:07Z)
• 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)
• 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)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)

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。