CLARA：临床报告自动补全
机器学习
2020-03-05 v2 计算机视觉与模式识别
人机交互
机器学习
摘要
从 X 射线和脑电图（EEG）等原始记录生成临床报告是医生一项必要且常规的 task。然而，撰写准确且详尽的报告往往十分耗时。大多数现有方法试图从原始输入直接生成完整报告，但成效有限，因为：1）生成的报告常含错误，需人工审阅与修正；2）当医生希望在报告中补充额外信息时并未节省时间；3）生成的报告未根据医生个人偏好进行定制。我们提出 CLinicAl Report Auto-completion（CLARA），一种交互式方法，基于医生的锚定词与部分完成的句子，以逐句方式生成报告。CLARA 从现有报告中检索最相关的句子作为当前报告的模板，随后将这些检索到的句子与输入特征表示相结合并依次修改，以创建最终报告。在实验评估中，CLARA 在句子级生成上于 X 射线报告取得 0.393 CIDEr 与 0.248 BLEU-4，于 EEG 报告取得 0.482 CIDEr 与 0.491 BLEU-4，较最佳基线提升高达 35%。此外，通过定性评估，用户研究表明 CLARA 生成的报告获医生认可度显著更高（CLARA 为 5 分中 3.74 分，基线为 2.52 分）。
引用
@article{arxiv.2002.11701,
title = {CLARA: Clinical Report Auto-completion},
author = {Siddharth Biswal and Cao Xiao and Lucas M. Glass and M. Brandon Westover and Jimeng Sun},
journal= {arXiv preprint arXiv:2002.11701},
year = {2020}
}