Resumen - DENSE: Generación de notas de progreso longitudinal con modelado temporal de notas clínicas heterogéneas a lo largo de las visitas al hospital

DENSE: Generación de notas de progreso longitudinal con modelado temporal de notas clínicas heterogéneas a lo largo de las visitas al hospital

2025-07-18 17:00:27

{"Garapati Keerthana","Manik Gupta"}

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

El documento introduce DENSE, un sistema diseñado para generar notas de progreso clínicamente fundamentadas y temporalmente coherentes mediante la síntesis de documentación clínica dispersa en múltiples visitas hospitalarias. Aquí tienes una desglosación de los puntos clave: **Problema**: * **Escasez de Notas de Progreso**: A pesar de su importancia, las notas de progreso están gravemente subrepresentadas en grandes conjuntos de datos de EHR, lo que lleva a lagunas en las narrativas longitudinales del paciente. * **Datos Clínicos Fragmentados**: Los hospitales recopilan una variedad de otra documentación, cada una capturando una vista parcial del cuidado, pero ninguna nota ofrece una narrativa completa. * **Desafíos en la Generación**: * **Pobreza de Datos y Inconsistencia de Etiquetado**: Las notas de progreso limitadas y el etiquetado inconstante complican la parseo sistemático. * **Ambigüedad Semántica y Redundancia**: Los títulos de las notas a menudo son ambiguos, y las notas contienen texto duplicado. * **Falta de Vinculación Temporal**: Las notas carecen de vínculo explícito a lo largo de una enfermedad hospitalaria, complicando la construcción de una cronología cronológica coherente. * **Variabilidad en la Longitud y Cuellos de Botella Computacionales**: La longitud de las notas varía dramáticamente, presentando desafíos para los grandes modelos de lenguaje (LLM). * **Razonamiento Clínico y Abstracción**: Las notas de progreso requieren abstraer hallazgos diversos en evaluaciones clínicas, una tarea difícil para los modelos generativos. **Sistema DENSE**: * **Taxonomía de Notas Unificada y Alineación Temporal**: DENSE clasifica las etiquetas ruidosas de las notas en 16 tipos consistentes y organiza las notas en cronologías estructuradas centradas en las visitas. * **Generación Informada por la Recuperación Clínicamente**: DENSE utiliza técnicas de recuperación para identificar contenido relevante temporal y semánticamente de ambas visitas actuales y anteriores y sugiere a un LLM que genere notas de progreso. * **Marco de Evaluación Longitudinal**: DENSE evalúa trayectorias de notas sintéticas a lo largo de cronologías prolongadas del paciente, permitiendo una evaluación de consistencia longitudinal. **Evaluación**: * **Datos Clínicos**: Conjunto de datos MIMIC-III con 56 pacientes y más de 1,100 encuentros. * **Métricas de Evaluación**: Superposición léxica, similitud semántica, completitud estructural SOAP, relación de longitud, consistencia temporal y relación de alineación. * **Resultados**: Las notas generadas por DENSE mantienen la estructura SOAP, muestran una fuerte superposición semántica con las notas de referencia y superan a la verdad en consistencia temporal. **Implicaciones**: * **Aplicaciones Clínicas y de Investigación**: DENSE puede ser utilizado para la mejora de datos, llenando lagunas en la documentación y construyendo herramientas inteligentes para resumen en tiempo real, transcripción o predicción. * **Direcciones Futuras**: Escalando DENSE a poblaciones de pacientes más amplias, integrando señales multimodales e incorporando retroalimentación real de médicos. **Conclusión**: DENSE llena un vacío en la literatura al permitir la generación estructurada y temporalmente condicionada de notas de progreso en múltiples visitas. Su capacidad para mantener fidelidad semántica, consistencia estructural y continuidad temporal lo hace una herramienta valiosa para mejorar la eficiencia del proveedor y la calidad del cuidado.