FactsR: A Safer Method for Producing High Quality Healthcare Documentation

要約

現在、アンビエントドキュメントのために大規模な言語モデルの利用を約束するヘルスケアのための多数のAIScribingソリューションがあります。
ただし、これらのAIの筆記者は、協議が終了した後、ノートを生成するためのワンショットまたは少数のショットプロンプトにまだ依存しています。
これは、幻覚の増加、臨床医の意図の不実表示、およびエラーをキャッチする臨床医の校正への依存で長いノートにリスクを冒します。
警戒がワークロードと疲労によって危険にさらされる場合、患者の安全のための危険な組み合わせ。
この論文では、ヘルスケア相談、事実を示し、その情報を再帰的に使用して最終メモを生成するために、顕著な臨床情報をリアルタイムで抽出する方法を紹介します。
FACTSRメソッドは、リアルタイムの意思決定サポート内で新しいユースケースを開設しながら、メモ生成の臨床医を配置することにより、より正確で簡潔なメモをもたらします。

要約(オリジナル)

There are now a multitude of AI-scribing solutions for healthcare promising the utilization of large language models for ambient documentation. However, these AI scribes still rely on one-shot, or few-shot prompts for generating notes after the consultation has ended, employing little to no reasoning. This risks long notes with an increase in hallucinations, misrepresentation of the intent of the clinician, and reliance on the proofreading of the clinician to catch errors. A dangerous combination for patient safety if vigilance is compromised by workload and fatigue. In this paper, we introduce a method for extracting salient clinical information in real-time alongside the healthcare consultation, denoted Facts, and use that information recursively to generate the final note. The FactsR method results in more accurate and concise notes by placing the clinician-in-the-loop of note generation, while opening up new use cases within real-time decision support.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google