面向可扩展 SOAP 病历生成：弱监督多模态框架
计算机视觉与模式识别
2025-06-13 v1 人工智能
机器学习
摘要
皮肤癌是全球最常见的癌症形式，年医疗支出高达80亿美元。在临床实践中，医生会使用详细的 SOAP（Subjective, Objective, Assessment, Plan）病历记录患者随访。然而，手动生成这些病历工作量大，导致临床医生疲劳。本文提出一种弱监督多模态框架，从有限输入（包括皮肤病变图像和稀疏临床文本）生成临床结构化的 SOAP 病历。该方法减少了对手动标注的依赖，实现了可扩展且临床导向的文档生成，缓解了医生负担，降低了大规模标注数据的需求。我们的方法在关键临床相关指标上达到与 GPT-4o、Claude 和 DeepSeek Janus Pro 相当的性能。为评估临床质量，我们引入两种新指标：MedConceptEval 和临床连贯性得分（Clinical Coherence Score, CCS），分别评估语义与专家医学概念的一致性以及输入特征的一致性。
引用
@article{arxiv.2506.10328,
title = {Towards Scalable SOAP Note Generation: A Weakly Supervised Multimodal Framework},
author = {Sadia Kamal and Tim Oates and Joy Wan},
journal= {arXiv preprint arXiv:2506.10328},
year = {2025}
}
备注
Accepted at IEEE/CVF Computer Society Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)