PulseAugur
实时 10:53:28
English(EN) Automatic Summarization of Doctor-Patient Encounter Dialogues Using Large Language Model through Prompt Tuning

临床LLM GatorTronGPT在医生-患者对话总结方面表现出色

研究人员开发了一种新颖的方法,使用名为GatorTronGPT的生成式临床大型语言模型自动总结医生-患者对话。该方法采用了提示调优技术,计算效率高,因为它不需要更新LLM的参数。在MTS-DIALOG基准数据集上的实验表明,GatorTronGPT-20B模型在所有评估指标上均优于基于T5的微调解决方案,突显了提示调优的生成式临床LLM在临床自动文本总结方面的有效性。 AI

影响 展示了LLM在临床文本总结方面的有效应用,可能减轻临床医生的工作负担。

排序理由 该集群包含一篇详细介绍特定AI应用的新方法和基准结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 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.CL TIER_1 English(EN) · Mengxian Lyu, Cheng Peng, Xiaohan Li, Patrick Balian, Jiang Bian, Yonghui Wu ·

    Automatic Summarization of Doctor-Patient Encounter Dialogues Using Large Language Model through Prompt Tuning

    arXiv:2403.13089v2 Announce Type: replace Abstract: Automatic text summarization (ATS) is an emerging technology to assist clinicians in providing continuous and coordinated care. This study presents an approach to summarize doctor-patient dialogues using generative large languag…