論文の概要: From Triage to Discharge: A Survey of NLP Tasks, Methods, and Open Challenges in the Emergency Department

• arxiv url: http://arxiv.org/abs/2608.23627v1
• Date: Sun, 23 Aug 2026 07:07:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.428636
• Title: From Triage to Discharge: A Survey of NLP Tasks, Methods, and Open Challenges in the Emergency Department
• Title（参考訳）: トリアージから放電へ:救急部門におけるNLP課題, 方法, 課題調査
• Abstract要約: 救急部門(ED)は、時間的プレッシャーの下で活動し、臨床会話、トリアージノート、退院文書などのマルチモーダルデータを生成する。 自然言語処理(NLP)の最近の進歩、特に事前訓練されたトランスフォーマーと大規模言語モデルにより、言語と時間集約的な救急医療を支援する新たな機会が生まれている。 本調査は, EDの3段階, トリアージ分類, 臨床要約, 自動診断, レポート生成, 退院文書の3段階にまたがる46の論文を分析した。
• 参考スコア（独自算出の注目度）: 7.293498024464569
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emergency departments (EDs) operate under time pressure, generating multimodal data such as clinical conversations, triage notes, and discharge documents. Recent advances in natural language processing (NLP), particularly pretrained transformers and large language models, have created new opportunities to support language and time-intensive stages of emergency care. Yet existing surveys map clinical NLP across the broader hospital workflow or focus on specific tasks. This survey analyses 46 papers spanning the three phases of ED: triage, diagnosis, and disposition, covering tasks such as triage classification, clinical summarisation, automatic diagnosis, report generation, and discharge documentation. We examine modelling paradigms, evaluation practices, and emerging benchmarks and shared tasks. Across tasks, we identify common trends, including a shift from task-specific neural architectures to pretrained language models, growing interest in interactive clinical systems, and increasing attention to clinically grounded evaluation. Finally, we detail open challenges such as limited generalisability, noisy clinical inputs, and workflow constraints that inform future ED-NLP research.
• Abstract（参考訳）: 救急部門(ED)は、時間的プレッシャーの下で活動し、臨床会話、トリアージノート、退院文書などのマルチモーダルデータを生成する。 自然言語処理(NLP)の最近の進歩、特に事前訓練されたトランスフォーマーと大規模言語モデルにより、言語と時間集約的な救急医療を支援する新たな機会が生まれている。 しかし、既存の調査では、NLPをより広い病院のワークフローにマップするか、特定のタスクにフォーカスする。 本調査は, EDの3段階, トリアージ分類, 臨床要約, 自動診断, レポート生成, 退院文書の3段階にまたがる46の論文を分析した。 モデリングパラダイム、評価プラクティス、新興ベンチマーク、共有タスクについて検討する。 タスク全体を通じて、タスク固有のニューラルアーキテクチャから事前訓練された言語モデルへのシフト、インタラクティブな臨床システムへの関心の高まり、臨床基盤評価への関心の高まりなど、一般的な傾向を識別する。 最後に,将来のED-NLP研究を知らせる一般性,ノイズの多い臨床入力,ワークフローの制約など,オープンな課題を詳述する。

関連論文リスト

• ELICITED: EHR-grounded Longitudinal Interactive Conversations for Information-seeking Triage Evaluation and Decision-making [26.2740760354659]
  エージェント対話生成フレームワークであるEHR2Dial-TriageをMIMIC-IV-EDで実装したベンチマークで紹介する。 情報提供,エビデンス利用,5レベル緊急度指数予測,患者対面コミュニケーションの制御評価を可能にする。 臨床情報取得、推論、コミュニケーションの動的なプロセスとして、会話トリアージを研究するための構造化された設定を提供する。
  論文  参考訳（メタデータ） (2026-08-10T02:26:06Z)
• The Taxonomies, Training, and Applications of Event Stream Modelling for Electronic Health Records [6.63303513347406]
  EHRは、医療における人工知能の変革的ポテンシャルを提供する。 従来のモデリングアプローチは、実世界の臨床データの本質的にの空間性と不規則性に対応するのに苦労することが多い。 研究は、患者の記録を連続的なシーケンスとして扱うイベントストリーム表現に移行した。
  論文  参考訳（メタデータ） (2026-03-14T16:08:30Z)
• Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models [51.91760712805404]
  大規模言語モデル(LLM)におけるシーケンシャルな臨床推論を評価するためのベンチマークであるVivaBenchを紹介する。 本データセットは,医療訓練における(口頭)検査をシミュレートする対話的シナリオとして構成された1762名の医師による臨床ヴィグネットから構成される。 本分析では,臨床における認知的誤りを反映するいくつかの障害モードを同定した。
  論文  参考訳（メタデータ） (2025-10-11T16:24:35Z)
• Empowering Healthcare Practitioners with Language Models: Structuring Speech Transcripts in Two Real-World Clinical Applications [5.91866991540808]
  2つの高インパクトNLPタスクは、データの不足と感度のために未探索のままである。 これらの現実の臨床的タスクに対する実践的な解決策は、医療提供者に対するドキュメントの負担を大幅に減らすことができる。 我々は,看護師観察と医療秩序抽出のための最初のオープンソースデータセットであるSynURとSIMORDをリリースする。
  論文  参考訳（メタデータ） (2025-07-07T22:29:29Z)
• Designing AI Tools for Clinical Care Teams to Support Serious Illness Conversations with Older Adults in the Emergency Department [53.52248484568777]
  この研究は、EDベースの重篤な病的会話の実証的な理解に貢献し、ハイテイクな臨床環境におけるAIの設計上の考察を提供する。 専門医2名と専門医9名を対象にインタビューを行った。 我々は4段階の重篤な会話ワークフロー(識別、準備、伝導、文書化)を特徴とし、各段階における重要なニーズと課題を特定した。 既存の臨床実践に適合するSICをサポートするAIツールの設計ガイドラインを提示する。
  論文  参考訳（メタデータ） (2025-05-30T21:15:57Z)
• Large Language Models in the Clinic: A Comprehensive Benchmark [63.21278434331952]
  診療所の大規模言語モデル(LLM)をよりよく理解するためのベンチマークであるClimateBenchを構築した。 まず、さまざまな臨床言語の生成、理解、推論タスクを含む11の既存のデータセットを収集します。 次に,現実の実践において複雑だが一般的である6つの新しいデータセットと臨床タスクを構築した。 ゼロショット設定と少数ショット設定の両方で、20個のLDMを広範囲に評価する。
  論文  参考訳（メタデータ） (2024-04-25T15:51:06Z)
• A Scoping Review of Publicly Available Language Tasks in Clinical Natural Language Processing [7.966218734325912]
  バイオメディカルリサーチとコンピュータサイエンス文献データベースを含む6つのデータベースを検索した。 47のNLPタスクを有する35の論文が2007年から2021年の間に包括的基準を満たした。
  論文  参考訳（メタデータ） (2021-12-07T22:49:58Z)
• VBridge: Connecting the Dots Between Features, Explanations, and Data for Healthcare Models [85.4333256782337]
  VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。 我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。 症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
  論文  参考訳（メタデータ） (2021-08-04T17:34:13Z)
• 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)
• Neural Natural Language Processing for Unstructured Data in Electronic Health Records: a Review [4.454501609622817]
  EHRに格納されている情報の約半数は、構造化されていないテキストの形式である。 自然言語処理への深層学習アプローチは、かなりの進歩を遂げた。 タスクの幅広い範囲、すなわち分類と予測、単語の埋め込み、抽出、生成、その他のトピックに焦点を当てる。
  論文  参考訳（メタデータ） (2021-07-07T01:50:02Z)
• Benchmarking Automated Clinical Language Simplification: Dataset, Algorithm, and Evaluation [48.87254340298189]
  我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。 我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-04T06:09:02Z)

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。