迈向自动化SOAP病历:医学对话中话语的分类
计算与语言
2020-07-28 v3 机器学习
摘要
由医学对话生成的摘要可改善患者对护理计划的记忆与理解,并减轻医生的文书负担。自动语音识别(ASR)与自然语言理解(NLU)的最新进展为自动生成这些摘要提供了潜在方案,但该领域用于基准研究的严格定量基线仍然缺乏。本文针对两项任务弥补了这一缺口:将医学对话中的话语按(i)SOAP章节和(ii)说话者角色进行分类。二者均是通往端到端自动化医学对话SOAP病历道路上的基本构建模块。我们提供了一数据集的细节,该数据集包含医学对话的人工与ASR转写文本以及相应的机器学习优化SOAP病历。然后我们给出了系统性分析,将现有深度学习架构适配于上述两项任务。结果表明,以分层方式建模上下文(捕捉词级与话语级上下文)在两项分类任务上均带来显著提升。此外,我们开发并分析了一种使模型适配ASR输出的模块化方法。
引用
@article{arxiv.2007.08749,
title = {Towards an Automated SOAP Note: Classifying Utterances from Medical Conversations},
author = {Benjamin Schloss and Sandeep Konam},
journal= {arXiv preprint arXiv:2007.08749},
year = {2020}
}
备注
21 pages,1 figure