电子健康记录问答:数据集与模型的范围综述
机器学习
2023-11-09 v2 信息检索
摘要
基于患者相关数据的问答(QA)系统可辅助临床医生与患者。例如,它们可协助临床医生进行决策,并帮助患者更好地理解其病史。大量患者数据存储在电子健康记录(EHRs)中,使得 EHR QA 成为一个重要的研究领域。在 EHR QA 中,答案从患者的医疗记录中获取。由于数据格式与模态的差异,这与其他利用医学网站或科学论文检索答案的医学 QA 任务大不相同,使得研究 EHR 问答至关重要。本研究旨在对现有 EHR QA 工作进行方法学综述。我们在 Google Scholar、ACL Anthology、ACM Digital Library 和 PubMed 四个数字源中检索了 2005 年 1 月 1 日至 2023 年 9 月 30 日的文章,以收集 EHR QA 的相关出版物。我们确定了 4111 篇论文用于研究,在基于纳入标准筛选后,共获得 47 篇论文进行进一步研究。在这 47 篇中,25 篇关于 EHR QA 数据集,37 篇关于 EHR QA 模型。据观察,EHR 上的 QA 相对新颖且未被充分探索。大多数工作都较新。此外,观察到 emrQA 是迄今为止最流行的 EHR QA 数据集,无论在引用还是在其他论文中的使用方面。我们还识别了 EHR QA 中使用的不同模型及其评估指标。
引用
@article{arxiv.2310.08759,
title = {Question Answering for Electronic Health Records: A Scoping Review of datasets and models},
author = {Jayetri Bardhan and Kirk Roberts and Daisy Zhe Wang},
journal= {arXiv preprint arXiv:2310.08759},
year = {2023}
}
备注
5 tables, 6 figures