NoteChat: A Dataset of Synthetic Doctor-Patient Conversations Conditioned on Clinical Notes

要約

各患者の診察後に医師が作成する詳細な臨床記録は、医療従事者や研究者にとって非常に重要です。
言語モデルを使用してこれらのメモの作成を自動化すると、医師の作業負荷を軽減できます。
ただし、患者と医師の間の会話の公開が限られているため、このようなモデルのトレーニングは困難な場合があります。
この論文では、臨床メモを条件とした合成の医師と患者の会話を生成するための大規模言語モデル (LLM) を活用した協調的なマルチエージェント フレームワークである NoteChat を紹介します。
NoteChat は、プランニング、ロールプレイ、およびポーランド語のモジュールで構成されています。
私たちは、NoteChat の包括的な自動評価と人間による評価を提供し、OpenAI の ChatGPT や GPT-4 などの最先端のモデルと比較します。
結果は、NoteChat が高品質の合成医師と患者の会話を容易にすることを示しており、ヘルスケアにおける LLM の未開発の可能性を強調しています。
この研究は、複数の LLM が協力して臨床記録を条件とした医師と患者の会話を完了する最初の例であり、AI とヘルスケアの交差点に有望な道を提供します。

要約(オリジナル)

The detailed clinical records drafted by doctors after each patient’s visit are crucial for medical practitioners and researchers. Automating the creation of these notes with language models can reduce the workload of doctors. However, training such models can be difficult due to the limited public availability of conversations between patients and doctors. In this paper, we introduce NoteChat, a cooperative multi-agent framework leveraging Large Language Models (LLMs) for generating synthetic doctor-patient conversations conditioned on clinical notes. NoteChat consists of Planning, Roleplay, and Polish modules. We provide a comprehensive automatic and human evaluation of NoteChat, comparing it with state-of-the-art models, including OpenAI’s ChatGPT and GPT-4. Results demonstrate that NoteChat facilitates high-quality synthetic doctor-patient conversations, underscoring the untapped potential of LLMs in healthcare. This work represents the first instance of multiple LLMs cooperating to complete a doctor-patient conversation conditioned on clinical notes, offering promising avenues for the intersection of AI and healthcare

arxiv情報

提供元, 利用サービス

arxiv.jp, Google