PainPoints：基于语言的慢性疼痛检测与专家协作文本摘要框架
计算与语言
2022-09-21 v1 人工智能
机器学习
摘要
慢性疼痛是一种普遍存在的疾病，常导致严重失能，并与抑郁和焦虑等共病相关。神经病理性疼痛（NP）是一种常见亚型，常由神经损伤引起，其病理生理机制已知。另一常见亚型为纤维肌痛（FM），被描述为遍布全身的肌肉骨骼弥漫性疼痛。FM 的病理生理机制尚不清楚，使其极难诊断。FM 与 NP 的标准药物和治疗彼此不同，若误诊会导致症状严重程度加重。为克服此困难，我们提出一种新颖框架 PainPoints，可准确检测疼痛亚型并通过总结患者访谈生成临床记录。具体而言，PainPoints 利用大语言模型对来自 FM 和 NP 患者访谈的文本进行句子级分类，其可靠 AUC 为 0.83。采用基于充分性的可解释性方法，我们解释了微调模型如何准确捕捉患者描述疼痛时所用的细微差异。最后，我们通过引入一种新颖的基于方面的（facet-based）方法，在专家介入下生成这些访谈的摘要。因此，PainPoints 使从业者能够增删方面（facet）并基于本文亦提出的“方面覆盖度（facet-coverage）”概念生成定制摘要。
引用
@article{arxiv.2209.09814,
title = {PainPoints: A Framework for Language-based Detection of Chronic Pain and Expert-Collaborative Text-Summarization},
author = {Shreyas Fadnavis and Amit Dhurandhar and Raquel Norel and Jenna M Reinen and Carla Agurto and Erica Secchettin and Vittorio Schweiger and Giovanni Perini and Guillermo Cecchi},
journal= {arXiv preprint arXiv:2209.09814},
year = {2022}
}