MedNgage：一个用于理解医患对话中参与度的数据集
计算与语言
2023-06-21 v2
摘要
能够有效管理自身症状的患者，往往在与医疗从业者的对话和干预中表现出更高水平的参与度。这种参与度是多层面的，涵盖认知与社会情感维度。因此，AI 系统理解患者与从业者自然对话中的参与度，对于更好地助力患者照护至关重要。在本文中，我们提出一个新颖的数据集（MedNgage），其包含关于癌症症状管理的患者-护士对话。我们以新颖的框架对该数据集进行人工标注，从两个不同角度划分患者参与类别，即：i) 社会情感（3.1K 个跨度），以及 ii) 语言的认知使用（1.8K 个跨度）。通过对采用我们的框架标注的数据进行统计分析，我们展示了患者症状管理结果与他们在对话中的参与度之间存在正相关。此外，我们证明在我们的数据集上微调的预训练 transformer 模型能够可靠地预测患者-护士对话中的参与度类别。最后，我们使用 LIME（Ribeiro 等人，2016）来分析最先进 transformer 模型在这些任务上遇到的潜在挑战。去标识化数据可应请求用于研究目的。
引用
@article{arxiv.2305.19981,
title = {MedNgage: A Dataset for Understanding Engagement in Patient-Nurse Conversations},
author = {Yan Wang and Heidi Ann Scharf Donovan and Sabit Hassan and Mailhe Alikhani},
journal= {arXiv preprint arXiv:2305.19981},
year = {2023}
}
备注
ACL Findings 2023