Natural Language Generation in Healthcare: A Review of Methods and Applications

要約

自然言語生成（NLG）は、生成的人工知能（AI）を達成するための重要な技術です。
大規模な言語モデル（LLMS）のブレークスルーにより、NLGはさまざまな医療用途で広く使用されており、臨床ワークフローを強化し、臨床的意思決定をサポートし、臨床文書化を改善する可能性を実証しています。
医療テキスト、画像、知識ベースなどの不均一で多様な医療データのモダリティがNLGで利用されています。
研究者は多くの生成モデルを提案し、多くのヘルスケアアプリケーションにそれらを適用しました。
医療ドメインにおけるNLGメソッドとアプリケーションの包括的なレビューが必要です。
この研究では、データモダリティ、モデルアーキテクチャ、臨床応用、評価方法に焦点を当てた文献検索を使用して特定された合計3,988のNLG関連記事から113の科学出版物を体系的にレビューしました。
PRISMA（系統的レビューおよびメタ分析のための優先報告項目）ガイドラインに従って、重要な方法を分類し、臨床アプリケーションを特定し、その能力、制限、および新たな課題を評価します。
このタイムリーなレビューは、主要なNLGテクノロジーと医療アプリケーションをカバーし、NLGを活用して医学的発見とヘルスケアを変革するために、将来の研究に貴重な洞察を提供します。

要約(オリジナル)

Natural language generation (NLG) is the key technology to achieve generative artificial intelligence (AI). With the breakthroughs in large language models (LLMs), NLG has been widely used in various medical applications, demonstrating the potential to enhance clinical workflows, support clinical decision-making, and improve clinical documentation. Heterogeneous and diverse medical data modalities, such as medical text, images, and knowledge bases, are utilized in NLG. Researchers have proposed many generative models and applied them in a number of healthcare applications. There is a need for a comprehensive review of NLG methods and applications in the medical domain. In this study, we systematically reviewed 113 scientific publications from a total of 3,988 NLG-related articles identified using a literature search, focusing on data modality, model architecture, clinical applications, and evaluation methods. Following PRISMA (Preferred Reporting Items for Systematic reviews and Meta-Analyses) guidelines, we categorize key methods, identify clinical applications, and assess their capabilities, limitations, and emerging challenges. This timely review covers the key NLG technologies and medical applications and provides valuable insights for future studies to leverage NLG to transform medical discovery and healthcare.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google