Real-time Speech Summarization for Medical Conversations

在医患对话中，识别医学相关信息至关重要，这就需要对对话进行总结。本文提出了第一个可部署的实时语音总结系统，可用于工业界的实际应用，该系统在每N个语音话语后生成一个本地总结，在对话结束后生成一个全局总结。我们的系统可以从商业角度增强用户体验，同时从技术角度降低计算成本。其次，我们提出了VietMed-Sum，这是我们所知道的第一个医学对话语音总结数据集。第三，我们是第一个利用LLM和人工标注者共同创建医学对话总结的金标准和合成总结的团队。最后，我们在VietMed-Sum上呈现了最先进模型的基线结果。所有代码、数据（英文翻译和越南语）和模型都可在网上获得：https://github.com/leduckhai/MultiMed。

本论文旨在提出一个实时的语音摘要系统，以解决医疗对话中的信息提取问题，并且创建了一个用于医疗对话摘要的数据集。

该论文提出了一个可以在医疗对话中实时生成本地和全局摘要的系统，并采用LLM和人工标注相结合的方式创建了医疗对话摘要的金标准和合成摘要。

该论文的亮点包括提出了一个实用的语音摘要系统，创造了一个用于医疗对话摘要的数据集，并且使用了LLM和人工标注相结合的方式创建了医疗对话摘要的金标准和合成摘要。论文还公开了代码和数据集。

最近在这个领域中，一些相关研究包括《Extractive summarization of medical conversations》、《A dataset for multi-turn response selection in the medical domain》等。