GatorTron:非構造化電子健康記録からの患者情報をアンロックするための大規模臨床言語モデル【JST・京大機械翻訳】

Yang, X.; Pour Nejatian, N.; Shin, H. C.; Smith, K.; Parisien, C.; Compas, C.; Martin, c.; Flores, M.; Zhang, Y.; Magoc, T.; Harle, C.; Lipori, G.; Mitchell, D.; Hogan, W.; Shenkman, E.; Bian, J.; Wu, Y.

プレプリント

J-GLOBAL ID：202202204548909456 整理番号：22P0321014

GatorTron:非構造化電子健康記録からの患者情報をアンロックするための大規模臨床言語モデル【JST・京大機械翻訳】

GatorTron: A Large Clinical Language Model to Unlock Patient Information from Unstructured Electronic Health Records

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (17件)： , , , , , , , , , , , , , , , ,
資料名：
発行年： 2022年03月18日プレプリントサーバーでの情報更新日： 2022年03月18日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自然言語処理(NLP)において,非構造化電子健康記録(EHR)から患者情報を抽出するための重要な技術である,大規模深層学習モデルの開発への関心が高まっている。しかし,臨床領域における大きな言語モデルを探索する研究は限られている。現在の最大臨床NLPモデルを110百万のパラメータで訓練した。大型のNLPモデルが,非構造化EHRから患者の臨床情報をどのように理解するのを助けるかは明らかではない。本研究では,テキストの>90億単語を用いた大規模臨床変圧器モデル-GatorTronを開発し,臨床概念抽出,関係抽出,意味的テキスト類似性,自然言語推論,および医療質問回答を含む5つの臨床NLPタスクで評価した。現在,GatorTronは,以前の110百万から8.9億のパラメータまでスケールアップされた臨床領域における最大の変圧器モデルであり,EHRで記録された様々な健康管理情報を目標とする5つの臨床NLPタスクに関する最先端の性能を達成した。GatorTronモデルは,ヘルスケアデリバリーおよび患者転帰の改善に適用できる方法において,臨床的ナラティブからの患者情報の理解および利用において,より良く機能する。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

医用情報処理

, , , , , ,

前のページに戻る