抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
電子健康記録(EHR)は,診断を行う際に放射線科医および他の医師に不可欠な文脈情報を提供する。残念なことに,与えられた患者の記録が数百のノートと報告を含むかもしれないので,通常,症例に割り当てられた短時間のこれら内の関連情報の同定は非常に困難である。著者らは,患者記録から関連テキストスニペットを抽出するモデルを提案して評価し,1つ以上の診断を考慮した医師の支援を意図した粗い症例要約を提供する。これは,直接監督(すなわち,医療記録における特定診断に関連するスニペットの医師注釈)が,スケールにおいて収集するのに,非常に高価であるので,困難である。’ダウンストリーム’診断のための雑音のあるプロキシとして「フューズ」記録において観測された国際疾病分類(ICD)コードのグループを使用する遠隔教師つき戦略を提案する。これを用いて,潜在的診断に条件付けされた抽出要約を行うために,変圧器ベースニューラルモデルを訓練した。このモデルは診断医によって提供される潜在的診断(質問)に条件付けされた注意機構を定義する。ボストンとMIMIC-III(後者が再現性を容易にする)のBrighamと女性病院からのEHRデータに関するこのモデルの変種を評価する。放射線科医により行われた評価は,これらの遠隔教師つきモデルが教師なし手法よりもより良い抽出要約を与えることを実証した。このようなモデルは,潜在的診断に臨床的に関連する過去の患者報告における文章を同定することによって診断を助ける可能性がある。【JST・京大機械翻訳】