Discharge Summary Hospital Course Summarisation of In Patient Electronic Health Record Text with Clinical Concept Guided Deep Pre-Trained Transformer Models

要約

タイトル：ディーププリトレーニングトランスフォーマーモデルによる臨床的概念に導かれた入院電子カルテテキストの退院サマリー病院経過要約

要約：
– Brief Hospital Course（BHC）サマリーは、患者の全体的なケアを担当する上級医師が書いた退院サマリーに埋め込まれた、救急対応をするために患者の収容先である病院での出来事の簡単な要約文です。
– 入院文書から自動的にサマリーを作成する方法は、患者を入院・退院させるために医師が文書を要約するという高い時間的圧力の下での医師の負担を軽減するために非常に有用であることが期待されます。
– このサマリーを入院期間から自動的に作成することは複雑なタスクであり、入院中にさまざまな観点（看護、医師、放射線学など）からメモが書かれるため、複数の文書のサマリーを要約する必要があります。
– 抽出的および抽象的サマリーのシナリオにおいて、ディープラーニングサマリーモデルの性能を示すBHCサマリーのための一連の方法を説明しています。
– また、医療コンセプトオントロジー（SNOMED）を臨床的なガイダンス信号として組み込んだ新しいアンサンブル抽出的および抽象的サマリーモデルをテストし、2つの実世界の臨床データセットで優れた性能を発揮しています。

要約(オリジナル)

Brief Hospital Course (BHC) summaries are succinct summaries of an entire hospital encounter, embedded within discharge summaries, written by senior clinicians responsible for the overall care of a patient. Methods to automatically produce summaries from inpatient documentation would be invaluable in reducing clinician manual burden of summarising documents under high time-pressure to admit and discharge patients. Automatically producing these summaries from the inpatient course, is a complex, multi-document summarisation task, as source notes are written from various perspectives (e.g. nursing, doctor, radiology), during the course of the hospitalisation. We demonstrate a range of methods for BHC summarisation demonstrating the performance of deep learning summarisation models across extractive and abstractive summarisation scenarios. We also test a novel ensemble extractive and abstractive summarisation model that incorporates a medical concept ontology (SNOMED) as a clinical guidance signal and shows superior performance in 2 real-world clinical data sets.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI