Zusammenfassung - DENSE: Erstellung von Längsschnitt-Notizen mit zeitlicher Modellierung heterogener klinischer Notizen über mehrere Krankenhausaufenthalte

DENSE: Erstellung von Längsschnitt-Notizen mit zeitlicher Modellierung heterogener klinischer Notizen über mehrere Krankenhausaufenthalte

2025-07-18 17:00:27

{"Garapati Keerthana","Manik Gupta"}

{cs.CL,cs.AI,cs.IR,cs.LG}

Das Papier stellt DENSE vor, ein System, das darauf ausgelegt ist, zeitlich kohärente und klinisch fundierte Fortschrittsberichte durch Synthese verteilter klinischer Dokumentation über mehrere Krankenhausbesuche zu generieren. Hier ist eine Zusammenfassung der Hauptpunkte: **Problem**: * **Knappheit von Fortschrittsberichten**: Trotz ihrer Bedeutung sind Fortschrittsberichte in großen EHR-Datenbanken stark unterrepräsentiert, was Lücken in longitudinalen Patientenbeschreibungen verursacht. * **Zersplitterte klinische Daten**: Krankenhäuser sammeln eine Vielzahl anderer Dokumentationen, die jeweils einen Teil der Pflege erfassen, aber kein einzelnes Bericht bietet eine vollständige Erzählung. * **Herausforderungen bei der Generierung**: * **Datenarmut und Label-Inkonsistenz**: begrenzte Fortschrittsberichte und inkonsistente Beschriftungen erschweren das systematische Parsen. * **Semantische Ambiguität und Redundanz**: Berichtstitel sind oft unklar, und Berichte enthalten redundante Texte. * **Mangel an zeitlicher Verknüpfung**: Berichte enthalten keine explizite Verknüpfung über den Krankenhausverlauf hinweg, was die Erstellung einer kohärenten chronologischen Zeitlinie erschwert. * **Variabilität der Länge und rechnerische Engpässe**: Die Länge der Berichte variiert stark, was Herausforderungen für große Sprachmodelle (LLMs) darstellt. * **Klinische Reasoning und Abstraktion**: Fortschrittsberichte erfordern das Abstrahieren verschiedener Befunde in klinische Bewertungen, eine Aufgabe, die für generative Modelle schwierig ist. **DENSE-System**: * **Einheitliche Notiztaxonomie und zeitliche Ausrichtung**: DENSE kategorisiert störende Notizbeschriftungen in 16 konsistente Typen und organisiert Notizen in strukturierte, auf Besuche zentrierte Zeitachsen. * **Klinisch informierte Retrieval-Augmented Generation**: DENSE verwendet Retrieval-Techniken, um zeitlich und semantisch relevante Inhalte aus sowohl aktuellen als auch früheren Besuchen zu identifizieren und gibt einem LLM an, Fortschrittsberichte zu generieren. * **Langitudinale Bewertungsskala**: DENSE bewertet synthetische Notizpfade über erweiterte Patientenzeiten, was eine longitudinalische Konsistenzbewertung ermöglicht. **Evaluation**: * **Klinische Daten**: MIMIC-III-Datenbank mit 56 Patienten und über 1.100 Begegnungen. * **Bewertungsmetriken**: Lexikalisches Überlappen, semantische Ähnlichkeit, SOAP-strukturelle Vollständigkeit, Längenverhältnis, zeitliche Konsistenz und Ausrichtungsratio. * **Ergebnisse**: DENSE-generierte Berichte bewahren die SOAP-Struktur bei, zeigen starke semantische Überlappung mit Referenzberichten und übertreffen die tatsächlichen Daten in der zeitlichen Konsistenz. **Bedeutungen**: * **Klinische und Forschungsanwendungen**: DENSE kann für Datenvergrößerung, Ausfüllen von Dokumentationslücken und für das Aufbauen intelligenter Werkzeuge für Echtzeit-Zusammenfassung, Transkription oder Vorhersage verwendet werden. * **Zukünftige Richtungen**: Skalierung von DENSE auf breitere Patientengruppen, Integration mehrmodaler Signale und Einbeziehung realistischer Arztfeedbacks. **Schlussfolgerung**: DENSE schließt eine Lücke in der Literatur, indem es die Generierung strukturierter, zeitlich bedingter Fortschrittsberichte über mehrere Besuche ermöglicht. Seine Fähigkeit, semantische Genauigkeit, strukturelle Konsistenz und zeitliche Kontinuität zu wahren, macht es zu einem wertvollen Werkzeug zur Verbesserung sowohl der Effizienz der Anbieter als auch der Qualität der Pflege.