PulseAugur
中
实时 09:35:32
English(EN) EPPC-OASIS: Ontology-Aware Adaptation and Structured Inference Refinement for Electronic Patient-Provider Communication Mining in Secure Messages

新AI方法改进患者消息信息提取

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了EPPC-OASIS，一种从电子患者-提供者消息中提取结构化信息的新方法。该方法使用本体感知适应和推理细化来提高注释的准确性和连贯性。在对去标识化语料库进行测试时，性能最佳的管道与现有基线相比，F1分数有了显著提高，表明其在患者-提供者通信的可扩展分析方面具有潜力。 AI

影响 这种新方法可以实现对患者-提供者通信更具可扩展性和准确性的分析，从而可能改善医疗见解。

排序理由 该集群包含一篇详细介绍特定领域新AI方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Samah Fodeh, Sreeraj Ramachandran, Elyas Irankhah, Muhammad Arif, Afshan Khan, Ganesh Puthiaraju, Linhai Ma, Srivani Talakokkul, Jordan Alpert, Sarah Schellhorn ·

    EPPC-OASIS: Ontology-Aware Adaptation and Structured Inference Refinement for Electronic Patient-Provider Communication Mining in Secure Messages

    arXiv:2605.24172v1 Announce Type: new Abstract: Secure patient-provider messages contain clinically important communication behaviors that are difficult to characterize manually at scale. The Electronic Patient-Provider Communication (EPPC) framework provides an ontology for codi…

相关话题