論文の概要: Clinical Communication Processing with Models Trained on LLM-Generated Synthetic Data: A Structured Survey and Novel Application Case Studies

• arxiv url: http://arxiv.org/abs/2608.05993v1
• Date: Thu, 06 Aug 2026 13:04:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.908358
• Title: Clinical Communication Processing with Models Trained on LLM-Generated Synthetic Data: A Structured Survey and Novel Application Case Studies
• Title（参考訳）: LLM生成合成データを用いたモデルを用いた臨床コミュニケーション処理:構造的調査と新しい応用事例
• Abstract要約: 多くの臨床的価値は、構造化された記録を通してではなく、コミュニケーションを通して伝達される。 これは十分に注釈付けされたコーパスを必要とするが、これは真の交換がプライベートであり、断片化され、アノテートするのにコストがかかるためである。 大規模言語モデルは、レコード、診断ラベル、症状リスト、ケアプランなどの臨床ソースを、書き起こしや書き起こしのコミュニケーションに変換することによって前進する。
• 参考スコア（独自算出の注目度）: 47.027290803102666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Much clinical value is conveyed not through structured records but through communication: exchanges in which patients describe symptoms, clinicians reason and give instructions, ambulances hand over to emergency departments, and nurses pass on a shift. Such language differs from tabular data because meaning depends on speaker role, intent, causality, uncertainty, omission, and channel noise. Healthcare natural language processing must therefore interpret information as conveyed rather than coded. This requires well-annotated corpora, which are scarce because authentic exchanges are private, fragmented, and costly to annotate. Large language models offer a way forward by transforming clinical sources, such as records, diagnostic labels, symptom lists, or care plans, into written and transcribed communication for downstream models. We present a structured narrative survey organized by source representation, communication form and participants, generation method, and downstream task, complemented by thirteen novel case studies. These build clinical NLP systems for communication channels and languages without labeled real-world data, including EMS pre-arrival reports, field-radio casualty documentation, nurse handoffs, patient-portal triage, and low-resource discharge communication. They show that synthetic communication can bootstrap such systems. Findings include the competitiveness of fine-tuned encoder models over evaluated zero-shot baselines and the value of deliberately degraded communication for robustness. The main limitation is that most studies evaluate on held-out synthetic communication, while train-on-synthetic, test-on-authentic evidence remains limited. We conclude that syn-thetic clinical communication is becoming a practical research resource; establishing it as reusable clinical infrastructure will require authentic-data transfer, safety and external validation.
• Abstract（参考訳）: 患者が症状を記述し、医師に指示を与え、救急車が救急署に渡され、看護師が勤務する交換所である。 このような言語は、話者の役割、意図、因果性、不確実性、省略性、チャンネルノイズに依存するため、表形式のデータとは異なる。 したがって、医療の自然言語処理は、コード化された情報ではなく、伝達された情報を解釈しなければならない。 これは十分に注釈付けされたコーパスを必要とするが、これは真の交換がプライベートであり、断片化され、アノテートするのにコストがかかるためである。 大規模言語モデルは、記録、診断ラベル、症状リスト、ケアプランなどの臨床ソースを、下流モデルのための書面および書面によるコミュニケーションに変換することによって前進する。 本稿では,ソース表現,コミュニケーション形式,参加者,生成方法,下流課題によって構成された構造化された物語調査について述べる。 これらのNLPシステムは、実世界のデータをラベル付けしていない通信チャネルや言語のための臨床的なNLPシステムを構築しており、EMSの事前報告、フィールドラジオのカジュアルな文書、看護師の手引き、患者ポートのトリアージ、低リソースの放電通信などが含まれる。 彼らは、合成通信がそのようなシステムをブートストラップできることを示した。 発見には、評価されたゼロショットベースラインに対する微調整エンコーダモデルの競争性や、ロバストネスに対する意図的に劣化した通信の価値が含まれる。 主な制限は、ほとんどの研究がホールドアウト合成通信の評価を行っているのに対して、トレイン・オン・シンセティック、テスト・オン・オーセンティックな証拠は限定的であることである。 臨床施設として再利用可能なものにするためには、データ転送、安全性、外部検証が必要であると結論付けている。

関連論文リスト

• Speech-to-SOAP: End-to-End Summarization of Medical Dialogues: KIT@BeTraC 2026 [62.221439619588914]
  我々は、KITのこの年に提出したBeTraCチャレンジを軽量トラックで紹介する。 我々の主な貢献は、多種多様な医療対話データセットを合成音声生成と自動生成SOAP監視によって統合するスケーラブルなデータ拡張パイプラインである。
  論文  参考訳（メタデータ） (2026-08-25T09:51:03Z)
• From Fuzzy Speech to Medical Insight: Benchmarking LLMs on Noisy Patient Narratives [40.12543056558646]
  本稿では, 言語ノイズ, ファジィ言語, 在人用語のレベルの違いを特徴とする, 患者自己記述のシミュレートを目的とした新しいデータセットを提案する。 本データセットは, 多様な実世界の報告スタイルを反映する, コミュニケーションの明瞭度の範囲にまたがる, 地中真実診断を付加した, 臨床的に一貫したシナリオから構成される。 本研究では,NDB(Nuisy Diagnostic Benchmark)を作成した。NDB(Nuisy Diagnostic Benchmark)は,ストレステスト用に設計され,現実的な言語条件下での大規模言語モデル(LLM)の診断能力を比較する。
  論文  参考訳（メタデータ） (2025-09-15T11:34:46Z)
• Why Synthetic Isn't Real Yet: A Diagnostic Framework for Contact Center Dialogue Generation [3.2960068101198963]
  プライバシとデータ不足がモデルトレーニングと評価を制限するコンタクトセンタードメインでは,合成転写生成が重要となる。 単純なプロンプトから特徴認識型マルチステージアプローチに至るまで,言語に依存しない4つの生成戦略をベンチマークする。 結果、永続的な課題が明らかになる: 全ての特徴にまたがるメソッドは、拡散、感情、行動的リアリズムに顕著な欠陥を伴わない。
  論文  参考訳（メタデータ） (2025-08-25T17:10:36Z)
• Diagnosing our datasets: How does my language model learn clinical information? [7.099154613395202]
  大規模言語モデル(LLM)は様々な自然言語処理タスクでよく機能している。 我々は,オープンソースのLLMが大規模コーパスから臨床情報をいかに学習するかを検討する。
  論文  参考訳（メタデータ） (2025-05-21T02:13:24Z)
• Enhancing Clinical Documentation with Synthetic Data: Leveraging Generative Models for Improved Accuracy [0.0]
  本稿では, 合成データ生成技術を活用した新たな臨床文書作成手法を提案する。 本稿では,GAN (Generative Adrial Networks) やVAE (variantal Autoencoders) など,最先端の生成モデルを組み合わせた方法論を提案する。 実世界のデータによく似た高品質な合成文字を生成する上で,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-06-03T15:49:03Z)
• SNOBERT: A Benchmark for clinical notes entity linking in the SNOMED CT clinical terminology [43.89160296332471]
  本稿では,BERT モデルを用いた SNOMED CT のテキストスパンと特定の概念をリンクする手法を提案する。 本手法は, 候補選択と候補マッチングの2段階からなる。これらのモデルは, ラベル付き臨床ノートの公開データセットの中で, 最大規模で訓練された。
  論文  参考訳（メタデータ） (2024-05-25T08:00:44Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)
• Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
  トポロジカル空間の観点から意味コミュニケーションを研究する。 送信機はまずデータを$k$の単純複素数にマッピングし、その高次相関を学習する。 受信機は構造を復号し、行方不明または歪んだデータを推測する。
  論文  参考訳（メタデータ） (2022-10-30T22:33:44Z)
• 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)
• Clinical Named Entity Recognition using Contextualized Token Representations [49.036805795072645]
  本稿では,各単語の意味的意味をより正確に把握するために,文脈型単語埋め込み手法を提案する。 言語モデル(C-ELMo)とC-Flair(C-Flair)の2つの深い文脈型言語モデル(C-ELMo)を事前訓練する。 明示的な実験により、静的単語埋め込みとドメインジェネリック言語モデルの両方と比較して、我々のモデルは劇的に改善されている。
  論文  参考訳（メタデータ） (2021-06-23T18:12:58Z)
• 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。