面向患者的 discharge letter 问答生成：MeDiSumQA 数据集
计算与语言
2025-02-06 v1 人工智能
机器学习
摘要
增加患者获取医学文档的途径虽有助于改善医疗 care，但这一效益受限于健康素养水平和复杂的医学术语。大型语言模型 (LLM) 提供了解方方案，而评估 LLM 用于安全且患者友好文本生成的工作则因缺乏标准化评估资源而面临挑战。为填补这一空白，我们开发了 MeDiSumQA。MeDiSumQA 由来自 MIMIC-IV 出院摘要的文本通过结合 LLM 问答生成与人工质量检查的自动化管道创建。我们使用该数据集评估各种 LLM 在患者导向问答方面的表现。我们的发现表明，通用型 LLM 常常优于生物医学适配模型，而自动评估指标与人类判断高度相关。通过在 PhysioNet 上发布 MeDiSumQA，我们旨在推动 LLM 发展，以提高患者理解力，最终改善护理结果。
引用
@article{arxiv.2502.03298,
title = {MeDiSumQA: Patient-Oriented Question-Answer Generation from Discharge Letters},
author = {Amin Dada and Osman Alperen Koras and Marie Bauer and Amanda Butler and Kaleb E. Smith and Jens Kleesiek and Julian Friedrich},
journal= {arXiv preprint arXiv:2502.03298},
year = {2025}
}