Autocompletion of Chief Complaints in the Electronic Health Records using Large Language Models

Autocompletion of Chief Complaints in the Electronic Health Records using Large Language Models

以下は、上記の論文のアブストラクトをChatGPTに解釈させたものです。解釈の正確性について保証はいたしません。

• 論文タイプ: 本研究はオリジナル論文であり、掲載誌や会議情報は明示されていません。

• 本研究の背景と関連研究: 本研究は、電子健康記録（EHR）中の主訴の自動補完に関する課題に着目しています。主訴は患者が医師にかかる理由や懸念を記述する重要な情報であり、医療従事者が適切な診断や治療を行う上で重要です。しかし、繁忙な救急部などで主訴を文書化することは時間がかかるため、トリアージ看護師の役立つツールとして自動補完の手法が求められています。関連研究では、NLP技術を使用してCCのマッピングや自動生成の手法が研究されてきました。

• 本研究の目的と重要性: 本研究の目的は、NLP技術を応用してED設定でのCCの自動補完ツールを開発することです。このツールは、トリアージ看護師が効率的に正確なCCを生成するのに役立ちます。これにより、患者の待ち時間が短縮され、適切な診断や治療が行われることが期待されます。

• 本研究で使用される材料やデータの詳細: 本研究では、CCデータを使用して機械学習モデルをトレーニングし、自動生成モデルを開発します。具体的なデータの詳細やデータ収集方法については述べられていません。

• 本研究で明らかにした内容: 本研究では、LSTMモデルとBioGPTモデルの2つの異なるモデルを用いてCCの自動生成を行いました。評価指標としてパープレキシティスコア、修正されたBERTスコア、およびコサイン類似度スコアを使用し、モデルのパフォーマンスを評価しました。BioGPTモデルが最も優れた性能を示し、CCの生成において信頼性の高い結果を得ることができました。

• 本研究の検証方法: 本研究では、複数の評価指標を使用してモデルのパフォーマンスを評価しました。パープレキシティスコア、修正されたBERTスコア、およびコサイン類似度スコアを使用し、モデルの生成結果を評価しました。また、他のモデルとの比較も行い、BioGPTモデルが最も優れたパフォーマンスを示すことを確認しました。