研究人员开发了一个名为 OncoCONSTRUE 的新框架,以改进肿瘤学电子健康记录中的信息检索。该系统解决了时间冗余问题,即重复信息会掩盖复发或治疗变化等关键患者里程碑。所提出的方法将纵向临床检索视为跨时间证据分配问题,而不是简单的相关性排序。初步研究显示出有希望的结果,一个名为 Temporal-15 的配置实现了 0.538 的里程碑槽召回率,显著优于 0.388 的基线,尽管它也检索了更多的证据。 AI
影响 这项研究可以通过改进电子健康记录中关键患者信息的呈现方式,从而带来更有效的临床决策支持系统。
排序理由 这是一份技术报告和立场论文,详细介绍了用于临床记录信息检索的新框架和方法论,包括实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- electronic health records
- Global 500 Roll of Honour
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- OncoCONSTRUE
- oncology
- ScienceCast
- scite Smart Citations
- Temporal-15
- Temporal Evidence Allocation For Longitudinal Clinical Retrieval: A Position And Technical Report
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →