CLIP：一个从医院出院记录中为医生抽取行动项的数据集
计算与语言
2021-06-07 v1 机器学习
机器学习
摘要
医疗连续性对于确保住院患者出院后的积极健康结果至关重要，而改进信息共享可有所帮助。为了共享信息，照护者撰写出院记录，其中包含与患者及其未来照护者共享的行动项，但由于文档冗长，这些行动项很容易丢失。在这项工作中，我们描述了在 MIMIC-III（最大的公开真实临床记录数据集）上创建临床行动项标注数据集的过程。该数据集我们称之为 CLIP，由医生标注，涵盖 718 篇文档，代表 100K 个句子。我们将从这些文档中抽取行动项的任务描述为多方面抽取式摘要，每个方面代表一类需采取的行动。我们在该任务上评估了若干机器学习模型，并表明最佳模型利用了在 59K 篇未标注文档上的领域内语言模型预训练，并融合了邻近句子的上下文。我们还提出了一种预训练数据选择方法，使我们能够探索该任务中预训练数据集的规模与领域特异性之间的权衡。
引用
@article{arxiv.2106.02524,
title = {CLIP: A Dataset for Extracting Action Items for Physicians from Hospital Discharge Notes},
author = {James Mullenbach and Yada Pruksachatkun and Sean Adler and Jennifer Seale and Jordan Swartz and T. Greg McKelvey and Hui Dai and Yi Yang and David Sontag},
journal= {arXiv preprint arXiv:2106.02524},
year = {2021}
}
备注
ACL 2021