論文の概要: Symphony for Text Generation: Benchmarking Clinical Note Generation
- arxiv url: http://arxiv.org/abs/2610.08161v1
- Date: Tue, 06 Oct 2026 11:13:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.958893
- Title: Symphony for Text Generation: Benchmarking Clinical Note Generation
- Title（参考訳）: テキスト生成のためのシンフォニー:臨床ノート生成のベンチマーク
- Abstract要約: 我々は、臨床AIプラットフォームであるCortiを、汎用AI上に構築された2つの主要な、アクセシブルな環境依存型ソフトウェアアプリケーションと比較する。
結果から,CortiのAPIベースのテキスト生成インフラストラクチャは,商用のスクリプタと同等か,あるいは優れています。
- 参考スコア（独自算出の注目度）: 3.3602165191099402
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Ambient documentation systems are rapidly gaining adoption, yet their impact on clinical note quality remains poorly characterized. We introduce MedConv, a multilingual dataset of 300 clinical encounters in English, Danish, and German, and use it alongside the Ambient Clinical Intelligence benchmark (ACI-BENCH) to compare Corti, a clinical AI platform, with two leading, accessible ambient scribe software applications built on general-purpose AI. We present a controlled clinical evaluation framework that combines entailment metrics with LLM-judged pairwise comparisons across eight dimensions adopted from PDSQI-9. Results show that Corti's API-based text-generation infrastructure is on par with or outperforms leading commercial scribes. We further show that Corti's configurable API provides the flexibility necessary to fine-tune quality dimensions for specific documentation use cases. We present the evaluation methodology and release a dataset to support future reproducible comparison of ambient documentation systems.
- Abstract（参考訳）: アンビエントドキュメンテーションシステムの採用は急速に進んでいるが、臨床ノートの品質への影響はいまだに不十分である。
我々は、英語、デンマーク語、ドイツ語で300の臨床遭遇の多言語データセットであるMedConvを紹介し、Amient Clinical Intelligenceベンチマーク(ACI-BENCH)と一緒にそれを使用して、臨床AIプラットフォームであるCortiと、汎用AI上に構築された2つの主要な、アクセス可能な環境対応ソフトウェアアプリケーションを比較した。
PDSQI-9から導入した8次元のLLM-judgedペアワイド比較とエンテーメント指標を併用したコントロール型臨床評価フレームワークを提案する。
結果から,CortiのAPIベースのテキスト生成インフラストラクチャは,商用のスクリプタと同等か,あるいは優れています。
CortiのConfigurable APIは、特定のドキュメントユースケースの品質ディメンションを微調整するために必要な柔軟性を提供します。
評価手法を提示し,将来の環境文書システムの再現性比較を支援するためのデータセットを公開する。
関連論文リスト
- Meddies-PII: A Multilingual Framework for Personally Identifiable Information Extraction in Clinical De-identification [0.649970685896541]
我々は17の言語と9のPIIラベルにまたがる100万の合成臨床文書のコーパスであるMeddies-PII-Datasetを紹介した。
文書は属性条件付きプロンプトを使用して生成され、13の決定論的ゲートを通じて検証される。
Meddies-PII-Modelは、報告された全てのベンチマークで評価されたシステムの中で最高の性能を達成する。
論文 参考訳（メタデータ） (2026-09-11T07:53:52Z) - MedCase-Structured: A Text-to-FHIR Dataset for Benchmarking Diagnostic Reasoning in Clinically Realistic EHR Settings [2.759077490183459]
大きな言語モデル(LLM)は、臨床推論と意思決定支援の約束を示す。
HL7 FHIR R4バンドルを非構造化テキストから生成するためのパイプラインを提案する。
このアプローチをMedCaseReasoningに適用し、臨床医が認可した診断症例に対応する合成データセットであるMedCase-Structuredを構築した。
論文 参考訳（メタデータ） (2026-05-28T17:42:43Z) - MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval [12.265116154395434]
MED-COPILOTは,臨床医と研修医を対象としたインタラクティブな臨床意思決定支援システムである。
このシステムはWHOとNICEのガイドラインから構造化知識グラフを構築し、効率的な検索にコミュニティレベルの要約を適用し、36,000ケースの類似患者データベースを維持している。
論文 参考訳（メタデータ） (2026-02-28T04:32:03Z) - Retrieval-Augmented Clinical Benchmarking for Contextual Model Testing in Kenyan Primary Care: A Methodology Paper [0.609562679184219]
大規模言語モデル(LLM)は、低リソース環境での医療アクセスを改善するという約束を持っているが、アフリカのプライマリケアにおけるそれらの効果は、まだ探索されていない。
ケニアのレベル2と3の臨床ケアに焦点を当てたベンチマークデータセットと評価フレームワークを作成するための方法論を提案する。
本手法は,ケニアの全国ガイドラインに臨床質問を根拠として,地域標準との整合性を確保するためにRAG (Regegration augmented generation) を用いている。
論文 参考訳（メタデータ） (2025-07-19T13:25:26Z) - ELMTEX: Fine-Tuning Large Language Models for Structured Clinical Information Extraction. A Case Study on Clinical Reports [3.0363830583066713]
本稿では,Large Language Models (LLMs) を用いて,構造化されていない臨床報告から構造化情報を抽出することを目的としたプロジェクトの結果について述べる。
我々は,ユーザインタフェースを用いたワークフローを開発し,戦略と微調整により,様々なサイズのLCMを評価した。
以上の結果から,微調整された小型モデルでは性能が向上し,資源制限設定の効率化が期待できることがわかった。
論文 参考訳（メタデータ） (2025-02-08T16:44:56Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z) - 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) - 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) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳（メタデータ） (2021-02-26T17:49:58Z) - 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。