PMC-Patients：用于基准测试基于检索的临床决策支持系统的大规模患者摘要与关系数据集
摘要
目的：基于检索的临床决策支持（ReCDS）可通过为给定患者提供相关文献与相似患者来辅助临床工作流。然而，ReCDS 系统的开发因缺乏多样化的患者集合以及公开可用的大规模患者级标注数据集而严重受阻。本文旨在利用名为 PMC-Patients 的新数据集定义并基准测试两项 ReCDS 任务：患者到文章检索（ReCDS-PAR）与患者到患者检索（ReCDS-PPR）。方法：我们使用简单启发式方法从 PubMed Central 文章中提取患者摘要，并利用 PubMed 引用图定义患者-文章相关性与患者-患者相似性。我们还在 PMC-Patients 基准上实现并评估了若干 ReCDS 系统，包括稀疏检索器、稠密检索器和最近邻检索器。我们进行了若干案例研究以展示 PMC-Patients 的临床效用。结果：PMC-Patients 包含 167k 患者摘要，带有 3.1M 患者-文章相关性标注和 293k 患者-患者相似性标注，是 ReCDS 最大规模资源，也是最大的患者集合之一。人工评估与分析表明 PMC-Patients 是一个具有高质量标注的多样化数据集。各类 ReCDS 系统的评估显示 PMC-Patients 基准具有挑战性，并呼吁进一步研究。结论：我们提出了 PMC-Patients，一个大规模、多样化且公开可用的患者摘要数据集，带有最大规模的患者级关系标注。基于 PMC-Patients，我们正式定义了 ReCDS 系统的两项基准任务并评估了多种现有检索方法。PMC-Patients 可极大促进 ReCDS 系统的方法论研究并展现出真实世界的临床效用。
引用
@article{arxiv.2202.13876,
title = {PMC-Patients: A Large-scale Dataset of Patient Summaries and Relations for Benchmarking Retrieval-based Clinical Decision Support Systems},
author = {Zhengyun Zhao and Qiao Jin and Fangyuan Chen and Tuorui Peng and Sheng Yu},
journal= {arXiv preprint arXiv:2202.13876},
year = {2023}
}
备注
35 pages, 3 figures, 5 tables. Dataset and code are available at https://github.com/pmc-patients/pmc-patients