通过结论生成迈向对医学随机对照试验的理解
计算与语言
2019-10-04 v1
摘要
随机对照试验（RCTs）代表了临床医学的最高等级证据。利用机器解读海量 RCTs 具有辅助临床决策的潜力。我们基于 PubMed 200k RCT 句子分类数据集提出一项 RCT 结论生成任务，以检验序列到序列模型在理解 RCTs 上的有效性。我们首先构建了一个指针生成器基线模型用于结论生成。随后我们将以通用领域数据预训练的最先进 GPT-2 语言模型微调用于这一新的医学领域任务。自动与人工评估均表明，相较于基线指针生成器模型，我们的 GPT-2 微调模型在生成结论的质量与正确性上有所提升。进一步检视指出了当前方法的局限性与未来探索方向。
引用
@article{arxiv.1910.01462,
title = {Towards Understanding of Medical Randomized Controlled Trials by Conclusion Generation},
author = {Alexander Te-Wei Shieh and Yung-Sung Chuang and Shang-Yu Su and Yun-Nung Chen},
journal= {arXiv preprint arXiv:1910.01462},
year = {2019}
}
备注
In Proceedings of the 10th International Workshop on Health Text Mining and Information Analysis at EMNLP (LOUHI 2019)