面向急诊医生的双阶段轻量级患者病历总结
计算与语言
2025-10-09 v1 人工智能
摘要
电子健康记录（EHR）包含大量非结构化临床数据，可能使急诊医生在识别关键信息时感到负担。我们提出一个双阶段总结系统，可在嵌入式设备上完全运行，实现离线临床总结，同时保留患者隐私。在我们的方法中，双设备架构首先使用Jetson Nano-R（检索）获取相关患者记录章节，然后在另一个Jetson Nano-S（总结）上生成结构化摘要，通过轻量级套接字链接进行通信。总结输出分为两部分：(1) 关键发现的固定格式列表，(2) 聚焦于临床查询的特定情境叙述。检索阶段使用本地存储的EHR，将长笔记拆分为语义连贯的章节，并搜索每个查询的最相关章节。生成阶段使用本地托管的小型语言模型（SLM）从检索到的文本生成摘要，在两个NVIDIA Jetson设备的约束条件下运行。我们首先对六个7B参数以下的开源SLM进行基准测试，以识别可行模型。我们采纳了LLM-as-Judge评估机制，以就概述质量（事实准确性、完整性和清晰度）进行评估。基于MIMIC-IV和去标识化真实EHR的初步结果表明，我们的完全离线系统可在30秒内有效地生成有用的摘要。
关键词
引用
@article{arxiv.2510.06263,
title = {Dual-stage and Lightweight Patient Chart Summarization for Emergency Physicians},
author = {Jiajun Wu and Swaleh Zaidi and Braden Teitge and Henry Leung and Jiayu Zhou and Jessalyn Holodinsky and Steve Drew},
journal= {arXiv preprint arXiv:2510.06263},
year = {2025}
}
备注
Accepted at the IEEE Annual Congress on Artificial Intelligence of Things (IEEE AIoT) 2025