SummQA 参加 MEDIQA-Chat 2023：基于 GPT-4 上下文学习的医疗摘要生成
计算与语言
2023-07-03 v1
摘要
医疗对话摘要具有挑战性，因为医疗对话的非结构化性质、金标准摘要中医学术语的使用，以及需要在多个症状集合中识别关键信息。我们提出了一种用于 MEDIQA 2023 共享任务中 Dialogue2Note 医疗摘要任务的新型系统。我们针对分段摘要（任务 A）的方法是一个两阶段过程：先选择语义相似的对话，再将 top-k 相似对话作为 GPT-4 的上下文示例。对于全文笔记摘要（任务 B），我们使用类似的 k=1 方案。我们在任务 A 中获第 3 名（所有团队中第 2），在任务 B 分段摘要中获第 4 名（所有团队中第 2），在任务 A 段标题分类中获第 15 名（所有团队中第 9），在所有团队的任务 B 中获第 8 名。我们的结果凸显了少样本提示对该任务的有效性，但也指出了基于提示方法的若干弱点。我们将 GPT-4 性能与多个微调基线比较，发现 GPT-4 摘要更抽象且更短。我们公开了代码。
引用
@article{arxiv.2306.17384,
title = {SummQA at MEDIQA-Chat 2023:In-Context Learning with GPT-4 for Medical Summarization},
author = {Yash Mathur and Sanketh Rangreji and Raghav Kapoor and Medha Palavalli and Amanda Bertsch and Matthew R. Gormley},
journal= {arXiv preprint arXiv:2306.17384},
year = {2023}
}
备注
ClinicalNLP @ ACL 2023