基于查询引导的护士记录自监督摘要
计算与语言
2024-12-03 v2 人工智能
机器学习
摘要
护士记录是电子健康记录（EHR）中重要的组成部分，记录患者在护理期间的健康状况。对护士记录中的关键信息进行摘要有助于临床医生快速了解患者情况。然而，现有的临床环境下的摘要方法（尤其是抽象方法）忽略了护士记录，且需要参考摘要进行训练。我们引入 QGSumm，这是一种新的查询引导的自监督域适应方法，用于抽象护士记录摘要。该方法利用患者相关临床查询进行指导，因此无需参考摘要进行训练。通过自动实验和由专职临床医生进行的手动评估，我们研究了该方法以及其他最先进的大型语言模型（LLM）用于护士记录摘要。我们的实验表明：1）GPT-4 在保持原护士记录中信息方面表现出竞争力；2）QGSumm 能够生成高质量的摘要，在保持原内容召回率和幻觉率之间取得良好平衡，优于其他顶级方法。最终，我们的工作为临床应用量身定制的条件文本摘要提供了新的视角。
引用
@article{arxiv.2407.04125,
title = {Query-Guided Self-Supervised Summarization of Nursing Notes},
author = {Ya Gao and Hans Moen and Saila Koivusalo and Miika Koskinen and Pekka Marttinen},
journal= {arXiv preprint arXiv:2407.04125},
year = {2024}
}