自动总结临床试验证据：一个凸显当前挑战的原型系统
计算与语言
2023-03-10 v1 信息检索
机器学习
摘要
我们提出TrialsSummarizer，一个旨在自动总结与给定查询最相关的随机对照试验集合中所呈现证据的系统。基于先前工作，该系统检索匹配指定条件、干预措施和结局组合查询的试验文献，并按样本量和估计研究质量对其进行排序。将排名前k的研究传入神经多文档摘要系统，生成这些试验的概要。我们考虑两种架构：基于BART的标准序列到序列模型，以及旨在为最终用户提供更高透明度的多头架构。两种模型均能为查询检索到的证据生成流畅且相关的摘要，但它们引入无支撑陈述的倾向使其目前不宜用于该领域。所提出的架构可帮助用户验证输出，使生成的词元能追溯至输入。
引用
@article{arxiv.2303.05392,
title = {Automatically Summarizing Evidence from Clinical Trials: A Prototype Highlighting Current Challenges},
author = {Sanjana Ramprasad and Denis Jered McInerney and Iain J. Marshal and Byron C. Wallace},
journal= {arXiv preprint arXiv:2303.05392},
year = {2023}
}