利用模块化摘要技术从医患对话生成 SOAP 笔记
计算与语言
2021-06-03 v3 人工智能
机器学习
机器学习
摘要
每次患者就诊后，医生需撰写冗长的半结构化临床摘要，即 SOAP 笔记。尽管这些笔记对临床医生和研究人员极具价值，但创建数字化 SOAP 笔记负担沉重，是导致医生职业倦怠的因素之一。本文首次引入了利用深度摘要模型，基于医患对话转录稿生成这些笔记的完整流程。在探索了从抽取式到生成式的一系列方法后，我们提出了 Cluster2Sent 算法，该算法 (i) 提取与每个摘要部分相关的重要语句；(ii) 将相关语句聚类在一起；然后 (iii) 为每个聚类生成一个摘要句子。Cluster2Sent 在 ROUGE-1 指标上比纯生成式方法高出 8 分，并且经人类专家评估，其生成的句子在事实准确性和连贯性上显著更优。为验证可复现性，我们在公开的 AMI 数据集上展示了类似的优势。我们的结果说明了在构建摘要语料库时，将摘要结构化为不同部分并标注支持性证据的益处。
引用
@article{arxiv.2005.01795,
title = {Generating SOAP Notes from Doctor-Patient Conversations Using Modular Summarization Techniques},
author = {Kundan Krishna and Sopan Khosla and Jeffrey P. Bigham and Zachary C. Lipton},
journal= {arXiv preprint arXiv:2005.01795},
year = {2021}
}
备注
Published at ACL 2021 Main Conference