論文の概要: Toward Complete Hospital Discharge Summarization with Abstract Meaning Representation

• arxiv url: http://arxiv.org/abs/2609.13581v1
• Date: Fri, 11 Sep 2026 22:38:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.400328
• Title: Toward Complete Hospital Discharge Summarization with Abstract Meaning Representation
• Title（参考訳）: 抽象的意味表現による完全退院要約に向けて
• Abstract要約: 臨床診断レベルでの放電要約のためのエビデンス駆動の枠組みを提示する。 本研究は,イリノイ大学医学部医学部における公開コーパス (MIMIC-III) と臨床ノート (UIC Health) の2つのコーパスについて報告する。
• 参考スコア（独自算出の注目度）: 5.922501123937219
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Discharge summaries are lengthy medical documents that summarize a hospital in-patient visit. Automatically generating them can reduce documentation burden and return clinician time to patient care. Whereas Large Language Model (LLMs) could be used for this task, their Achilles heel is hallucinations, which can have drastic consequences for clinical documentation. We present an evidence-driven alignment framework for discharge summarization at the clinical encounter level, that treats provenance as a first-class constraint, using semantic graphs and deep learning models. Each summary sentence is selected and organized via cross-document semantic alignment and is accompanied by explicit evidence links to its source spans. We show our results on two corpora: a publicly available corpus (MIMIC-III) and clinical notes written by physicians at the University of Illinois Hospital (UIC Health). Additionally, we make source code and trained models available.
• Abstract（参考訳）: 退院サマリー(英: discharge summaries)は、入院中の病院訪問を要約する長い医療文書である。 自動生成は、ドキュメントの負担を軽減し、クリニックタイムを患者ケアに戻す。 LLM(Large Language Model)がこのタスクに使えるのに対し、Achilles heelは幻覚であり、臨床ドキュメントに大きく影響する可能性がある。 本稿では, セマンティックグラフと深層学習モデルを用いて, 予後を第一級制約として扱う, 臨床遭遇レベルでの放電要約のためのエビデンス駆動アライメントフレームワークを提案する。 各要約文は、クロスドキュメントのセマンティックアライメントを通じて選択され、整理され、ソーススパンに明確なエビデンスリンクが付随する。 本研究は,イリノイ大学病院(UIC Health)の医師が作成した,公用コーパス(MIMIC-III)と臨床ノートの2つのコーパスについて報告する。 さらに、ソースコードとトレーニングされたモデルを利用可能にしています。

関連論文リスト

• Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
  医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。 本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
  論文  参考訳（メタデータ） (2025-09-30T08:59:06Z)
• DENSE: Longitudinal Progress Note Generation with Temporal Modeling of Heterogeneous Clinical Notes Across Hospital Visits [0.1578515540930834]
  プログレッシブノートは電子健康記録で最も臨床的に意味のあるアーティファクトの1つである。 その重要性にもかかわらず、それらは大規模なEHRデータセットでは不足している。 DENSEは、医師が過去の出会いを参照する方法をシミュレートすることで、臨床文書と整合するように設計されたシステムである。
  論文  参考訳（メタデータ） (2025-07-18T17:00:27Z)
• Abstract Meaning Representation for Hospital Discharge Summarization [0.8813014553043816]
  この研究は、言語に基づくグラフとディープラーニングモデルを組み合わせて、自動要約におけるコンテンツと信頼性の証明に対処する新しい方法を見つけることである。 Anonymous Hospitalの医師が作成したMIMIC-IIIコーパスと臨床ノートの信頼性について検討した。
  論文  参考訳（メタデータ） (2025-06-17T01:33:01Z)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• Discharge Summary Hospital Course Summarisation of In Patient Electronic Health Record Text with Clinical Concept Guided Deep Pre-Trained Transformer Models [1.1393603788068778]
  ブリーフ病院コース(英: Brief Hospital Course、略称:BHC)は、病院全体の出会いの簡潔なサマリーであり、退院サマリーに埋め込まれている。 深層学習要約モデルの性能を実証するBHC要約法について述べる。
  論文  参考訳（メタデータ） (2022-11-14T05:39:45Z)
• 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)
• 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)
• What's in a Summary? Laying the Groundwork for Advances in Hospital-Course Summarization [2.432409923443071]
  患者の入院中に書かれた文書を考えると、患者の入院の物語を記した段落を作成する。 109,000の病院化(2Mソースノート)とその対応する要約プロキシの英語、テキストからテキストへのデータセットを構築します。 本稿では,この複雑な文書要約タスクのモデル化における複数の意味を明らかにする。
  論文  参考訳（メタデータ） (2021-04-12T19:31:48Z)
• Learning Contextualized Document Representations for Healthcare Answer Retrieval [68.02029435111193]
  コンテキスト談話ベクトル(英: Contextual Discourse Vectors、CDV)は、長文からの効率的な回答検索のための分散文書表現である。 本モデルでは,階層型LSTMレイヤとマルチタスクトレーニングを併用したデュアルエンコーダアーキテクチャを用いて,臨床エンティティの位置と文書の談話に沿った側面をエンコードする。 我々の一般化モデルは、医療パスランキングにおいて、最先端のベースラインを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2020-02-03T15:47:19Z)

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。