論文の概要: Examine Clinicians' Modification of Hedging Language in Ambient AI Documentation: A Comparative Study of AI Drafts and Final Notes
- arxiv url: http://arxiv.org/abs/2606.00018v1
- Date: Tue, 14 Apr 2026 00:08:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 07:09:36.576818
- Title: Examine Clinicians' Modification of Hedging Language in Ambient AI Documentation: A Comparative Study of AI Drafts and Final Notes
- Title（参考訳）: AI文書化における専門医のヘッジ言語修正--AIドラフトと最終ノートの比較研究
- Authors: Yiliang Zhou, Yawen Guo, Di Hu, Sairam Sutari, Emilie Chow, Steven Tam, Danielle Perret, Deepti Pandita, Kai Zheng,
- Abstract要約: アンビエントAIドキュメンテーションシステムは、臨床医が電子健康記録に署名する前に頻繁に修正する臨床ノートのドラフトを生成する。
周辺AIドラフトの臨床編集部分と最終ノートのペア分析を行い,これらの編集がヘッジ言語の普及率を左右するかどうかを検討した。
- 参考スコア（独自算出の注目度）: 11.71921723899066
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ambient AI documentation systems generate clinical note drafts that clinicians frequently revise before signing off into electronic health records, yet how these edits alter hedging language remains unclear. We conducted paired analysis of clinician-edited portions of ambient AI drafts and final notes to examine (1) whether these edits change the prevalence of hedging language, (2) whether these edits exhibit a systematic shift toward greater certainty or uncertainty, and (3) whether these changes in hedging prevalence and directionality differ by ambient AI vendors and clinical specialties. Among 62,811 paired note sections, hedging terms were more often introduced into previously non-hedged text than removed from previously hedged text, and post-edit text contained more hedging mentions than pre-edit text. Directionality analyses showed a significant overall tendency toward greater uncertainty in hedging-related replacement edits. Vendor and specialty analyses revealed substantial heterogeneity in hedging prevalence, pre-to-post changes in hedging mentions, and directionality.
- Abstract（参考訳）: アンビエントAIドキュメンテーションシステムは、臨床医が電子健康記録に署名する前に頻繁に修正する臨床ノートのドラフトを生成する。
筆者らは, 周辺AIドラフトのクリニック編集部分と最終ノートのペア分析を行い, 1) 編集がヘッジ言語の有病率を変えるか, (2) 編集がより確実性や不確実性への体系的な変化を示すか, (3) ヘッジの有病率と方向性が, 周辺AIベンダーや臨床専門職によって異なるかを検討した。
62,811対のノートセクションの中で、ヘッジ用語は以前のヘッジテキストから取り除かれたものよりも、それまでのヘッジテキストに導入されることが多かった。
方向性分析は,ヘッジ関連編集において,大きな不確実性を示す傾向を示した。
ベンダーと専門分析の結果、ヘッジの頻度、ヘッジの言及の前後の変化、方向性にはかなり不均一性があることが判明した。
関連論文リスト
- Analyzing and Improving Fine-grained Preference Optimization in Medical LVLMs [53.697403481143404]
LVLM(Large Vision-Language Models)は、医用画像処理タスクにおいて強力なパフォーマンスを実現している。
しかし、実際の不整合、視力の低下、臨床的に有意義なフィードバックによる不一致が続く傾向にある。
論文 参考訳（メタデータ） (2026-06-10T18:35:36Z) - Operation-Guided Progressive Human-to-AI Text Transformation Benchmark for Multi-Granularity AI-Text Detection [49.41415417307568]
OpAI-Benchは、プログレッシブな人間とAIのテキスト変換を研究するためのオペレーションガイド付きベンチマークである。
我々は、AIテキスト検出能力は、AI編集コンテンツの割合だけでなく、編集操作、ドメイン、累積修正履歴によっても支配されていることを示す。
論文 参考訳（メタデータ） (2026-06-04T17:58:05Z) - Understanding Stigmatizing Language in Clinical Documentation: A Paired Comparison of Ambient AI Drafts and Clinician Finalized Notes [31.33057850885733]
クリニックドキュメントの負担を軽減するために、アンビエントAIツールがますますデプロイされているが、臨床ノートにおける偏りのある言語に対する影響は、まだ不明である。
我々は,AIドラフトとそれに対応する臨床ファイナライズノートの大規模比較分析を行い,言語変化の事前および後変化の定量化を行った。
66,297対のノートセクション、21.4%のAIドラフトセクションには少なくとも1つのスティグマライズ言語言及が含まれており、臨床の最終版では24.0%まで上昇した。
導入は削除よりも頻繁に発生し、クリニック編集は、Ambient AIを使用してEHRに入る言語をスティグマタイズするネットソースになり得ることを示唆している。
論文 参考訳（メタデータ） (2026-04-14T00:10:39Z) - Consumer-to-Clinical Language Shifts in Ambient AI Draft Notes and Clinician-Finalized Documentation: A Multi-level Analysis [2.8460547512408767]
Ambient AIは、患者とクリニックの会話から、しばしば消費者指向の言い回しと共に、ドラフトな臨床ノートを生成する。
辞書確認変換フレームワークを用いた正規化のためのクリニック編集の定量化を行った。
論文 参考訳（メタデータ） (2026-03-18T22:20:06Z) - Towards Emotionally Consistent Text-Based Speech Editing: Introducing EmoCorrector and The ECD-TSE Dataset [52.95197015472105]
EmoCorrectorはテキストベースの音声編集のための新しいポスト補正方式である。
編集されたテキストの感情的特徴を検索し、一致する感情で音声サンプルを検索し、所望の感情に合わせて音声を合成する。
EmoCorrectorは、現在のTSEメソッドにおける感情の不整合に対処しながら、意図した感情の発現を著しく向上させる。
論文 参考訳（メタデータ） (2025-05-24T16:10:56Z) - Related Knowledge Perturbation Matters: Rethinking Multiple Pieces of Knowledge Editing in Same-Subject [49.559994791305535]
現在最先端の編集手法は、複数の関連知識を同じ主題に編集する作業で苦労している。
本稿では,textS2textRKE$(Same-Subject Related Knowledge Editing)ベンチマークを紹介する。
実験の結果,ROMやMEMITのような主流の位置情報編集手法だけが「関連する知識の摂動」を示すことがわかった。
論文 参考訳（メタデータ） (2025-02-08T04:47:17Z) - Improving Iterative Text Revision by Learning Where to Edit from Other
Revision Tasks [11.495407637511878]
反復的テキストリビジョンは文法的誤りの修正、読みやすさの向上や文脈的適切性の向上、文書全体の文構造の再編成によってテキスト品質を改善する。
近年の研究では、人間によるテキストからの反復的な修正プロセスにおいて、様々な種類の編集の理解と分類に焦点が当てられている。
我々は,編集可能なスパンを対応する編集意図で明示的に検出することにより,有用な編集を反復的に生成するエンド・ツー・エンドテキスト・リビジョン・システムの構築を目指している。
論文 参考訳（メタデータ） (2022-12-02T18:10:43Z) - NeuroCounterfactuals: Beyond Minimal-Edit Counterfactuals for Richer
Data Augmentation [55.17069935305069]
本稿では,緩やかな反ファクトとして設計されたNeuroCounterfactualsを紹介する。
我々の新しい生成的アプローチは、言語モデル適応による感情制御による制約付き復号化の利点を橋渡しする。
論文 参考訳（メタデータ） (2022-10-22T06:29:21Z) - Towards Automated Document Revision: Grammatical Error Correction,
Fluency Edits, and Beyond [46.130399041820716]
ACLアンソロジーから採取した学術論文をプロの編集者が改訂する文書改訂コーパスTETRAを導入する。
TETRAの独特性を既存の文書修正コーパスと比較し、微妙な違いであっても、修正後の文書の品質を識別できることを実証する。
論文 参考訳（メタデータ） (2022-05-23T17:37:20Z) - Understanding Iterative Revision from Human-Written Text [10.714872525208385]
IteraTeRは、反復的に修正されたテキストの最初の大規模、複数ドメイン、編集意図の注釈付きコーパスである。
テキストのリビジョンプロセスをよりよく理解し、編集意図と執筆品質の間に重要なつながりを築き上げます。
論文 参考訳（メタデータ） (2022-03-08T01:47:42Z)
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。