Shimo Lab at "Discharge Me!": Discharge Summarization by Prompt-Driven Concatenation of Electronic Health Record Sections

本文介绍了我们在2024年BioNLP研讨会上参加的“出院吧！”共享任务的方法。该任务的主要目标是减少临床医生在电子病历（EHR）中编写详细记录所花费的时间和精力。参与者开发了一个流程，从EHR中生成“简要住院经过”和“出院指导”部分。我们的方法包括从EHR中提取相关部分的第一步。然后，我们在这些部分中添加解释性提示，并使用单独的标记将它们连接起来以创建输入文本。为了训练文本生成模型，我们对ClinicalT5-large模型进行了LoRA微调。在最终的测试数据上，我们的方法实现了0.394的ROUGE-1分数，与顶尖解决方案相当。

解决问题：论文试图减少临床医生在电子病历中撰写详细记录的时间和精力。

关键思路：提取电子病历中相关部分，添加解释性提示，并使用LoRA微调ClinicalT5-large模型进行文本生成。

亮点：该方法在BioNLP Workshop 2024的“Discharge Me!”任务中获得了0.394的ROUGE-1分数，与顶尖解决方案相当。

相关研究：该论文未提及其他相关研究。