学习像医生一样提问
计算与语言
2022-06-07 v1
摘要
现有从电子健康记录（EHR）派生的问答（QA）数据集为人工生成，因而未能捕捉真实的医生信息需求。我们提出出院小结临床问题（DiSCQ），一个全新整理的包含 2000 多个问题及其所对应触发每段问题的文本片段（触发器）的数据集。这些问题由医学专家基于 100 多篇 MIMIC-III 出院小结生成。我们分析该数据集以刻画医学专家所寻求的信息类型。我们还训练了用于触发器检测和问句生成（QG）的基线模型，并配以基于 EHR 的无监督答案检索。当以人工选定的触发器提示时，我们的基线模型能在超过 62% 的案例中生成高质量问题。我们发布该数据集（及复现基线模型结果的所有代码）以促进对真实临床 QA 与 QG 的进一步研究：https://github.com/elehman16/discq。
引用
@article{arxiv.2206.02696,
title = {Learning to Ask Like a Physician},
author = {Eric Lehman and Vladislav Lialin and Katelyn Y. Legaspi and Anne Janelle R. Sy and Patricia Therese S. Pile and Nicole Rose I. Alberto and Richard Raymund R. Ragasa and Corinna Victoria M. Puyat and Isabelle Rose I. Alberto and Pia Gabrielle I. Alfonso and Marianne Taliño and Dana Moukheiber and Byron C. Wallace and Anna Rumshisky and Jenifer J. Liang and Preethi Raghavan and Leo Anthony Celi and Peter Szolovits},
journal= {arXiv preprint arXiv:2206.02696},
year = {2022}
}