相关实验视频
Updated: Jun 8, 2026
06:34
Infant Auditory Processing and Event-related Brain Oscillations
Published on: July 1, 2015
16.9K
基于非结构化首次诊断患者叙述的儿童早期诊断的AI语言模型应用:一个队列研究
Jitse Loyens1, Geertruida Slinger2, Nynke Doornebal3
1Faculty of Medicine, Utrecht University, Utrecht, the Netherlands.
概括
计算语言模型显示出从患者笔记中诊断儿童的前景. 一个纯粹的贝叶斯模型与基于BERT的模型类似地执行,这表明单词顺序是这个诊断任务的关键.
科学领域:
- 计算语言学和临床诊断中的自然语言处理.
- 机器学习模型的应用,用于早期儿童的检测.
背景情况:
- 语言分析是诊断的一个有价值的工具.
- 探索计算方法从患者文档中提取临床信息.
研究的目的:
- 为了比较不同语言模型在识别儿童的诊断价值.
- 在首次诊断文档中识别语言模式,以改善早期诊断.
主要方法:
- 分析了1561封患者的信件,使用纯粹的贝叶斯和基于BERT的句子嵌入模型.
- 模型处理了医生注明的病史文本,以识别症指示性关键词.
- 对临床医生的诊断进行评估,使用准确性,敏感性和特异性来评估性能.
主要成果:
- 纯粹贝叶斯模型:准确度为0.73,灵敏度为0.79,特异性为0.62.
- 句子嵌入 (BERT) 模型:准确度为0.74,灵敏度为0.74,特异性为0.73.
- 两种模型都显示了儿童的可比诊断性能.
结论:
- 语言模型可以从历史记录中有效地诊断儿童.
- 先进的BERT模型没有超过更简单的纯粹贝叶斯模型.
- 对此分类任务来说,病史数据中的单词顺序似乎至关重要;需要进一步的研究.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.4K
09:57Author Spotlight: Advancing Pediatric Epilepsy Surgery in Children Through Novel Biomarkers and Enhanced Localization
Published on: September 20, 2024
3.4K
