Improving Clinical Note Generation from Complex Doctor-Patient Conversation

撰写临床笔记和记录医学检查是医疗保健专业人员的关键任务，是患者护理文档的重要组成部分。然而，手动撰写这些笔记是耗时的，可能会影响临床医生与患者直接互动和完成其他任务的时间。因此，在AI健康领域中，自动临床笔记生成系统的开发已成为一个具有临床意义的研究领域。在本文中，我们提出了三个关键贡献，利用大型语言模型（LLMs）进行临床笔记生成的领域。首先，我们介绍了CliniKnote，这是一个包含1,200个复杂医生-患者对话及其完整临床笔记的全面数据集。该数据集由医学专家在现代神经网络的帮助下创建和策划，为临床笔记生成任务的模型训练和评估提供了有价值的资源。其次，我们提出了K-SOAP（关键词、主观、客观、评估和计划）笔记格式，它通过在顶部添加一个关键词部分，增强了传统SOAP（主观、客观、评估和计划）笔记，从而允许快速识别关键信息。第三，我们开发了一个自动流水线，从医生-患者对话中生成K-SOAP笔记，并使用各种指标对各种现代LLMs进行基准测试。我们的结果表明，与标准LLM微调方法相比，效率和性能都有显着提高。

临床医疗记录的手动书写耗时，影响了医护人员与患者的直接交流和其他任务。本文旨在使用大型语言模型解决自动生成临床记录的问题。

本文提出了ClinaKnote数据集、K-SOAP临床记录格式以及自动化生成K-SOAP临床记录的流程，并使用各种指标对现代LLM进行了基准测试。

本文的亮点包括：使用ClinaKnote数据集进行训练和评估，提出了K-SOAP格式以及自动化生成流程，以及在现代LLM上的表现显著提高。实验设计合理，使用了开源代码，值得进一步研究。

最近的相关研究包括：使用神经网络生成临床记录的研究，使用自然语言处理技术生成临床记录的研究，以及使用深度学习方法生成医疗记录的研究。