Résumé - DENSE : Génération de notes de progression longitudinales avec modélisation temporelle de notes cliniques hétérogènes sur l'ensemble des visites hospitalières

DENSE : Génération de notes de progression longitudinales avec modélisation temporelle de notes cliniques hétérogènes sur l'ensemble des visites hospitalières

2025-07-18 17:00:27

{"Garapati Keerthana","Manik Gupta"}

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

L'article présente DENSE, un système conçu pour générer des comptes rendus de progression temporellement cohérents et cliniquement fondés en synthétisant des documents cliniques éparpillés sur plusieurs visites hospitalières. Voici un résumé des points clés : **Problème** : * **Scarcité des comptes rendus de progression** : Malgré leur importance, les comptes rendus de progression sont fortement sous-représentés dans les grandes bases de données EHR, ce qui entraîne des lacunes dans les narratives longitudinales des patients. * **Données cliniques fragmentées** : Les hôpitaux collectent une variété d'autres documents, chacun capturant une vue partielle des soins, mais aucun compte rendu ne fournit une narrative complète. * **Défis de génération** : * **Pauvreté des données et incohérence des étiquettes** : Le nombre limité de comptes rendus et les étiquettes incohérentes compliquent l'analyse systématique. * **Ambiguïté sémantique et redondance** : Les titres des notes sont souvent ambiguës et les notes contiennent du texte redondant. * **Manque de liaison temporelle** : Les notes manquent de liaison explicite au cours d'un séjour hospitalier, compliquant la construction d'une timeline chronologique cohérente. * **Variabilité de la longueur et goulets d'étranglement computationnels** : La longueur des notes varie considérablement, ce qui pose des défis pour les grands modèles de langage (LLM). * **Raisonnement clinique et abstraction** : Les comptes rendus de progression nécessitent l'abstraction de divers résultats en évaluations cliniques, une tâche difficile pour les modèles génératifs. **Système DENSE** : * **Taxonomie de note unifiée et alignement temporel** : DENSE catégorise les étiquettes bruitées en 16 types cohérents et organise les notes en timelines structurées centrées sur les visites. * **Génération informée cliniquement par des techniques de recherche** : DENSE utilise des techniques de recherche pour identifier du contenu pertinent temporellement et sémantiquement à partir des visites actuelles et antérieures et pousse un LLM à générer des comptes rendus de progression. * **Benchmarque d'évaluation longitudinal** : DENSE évalue les trajectoires de notes synthétiques au cours de timelines patient longitudinales, permettant une évaluation de la cohérence longitudinale. **Évaluation** : * **Données cliniques** : Base de données MIMIC-III avec 56 patients et plus de 1 100 encounters. * **Mètres d'évaluation** : Chevauchement lexical, similitude sémantique, complétude structurale SOAP, ratio de longueur, cohérence temporelle et ratio d'alignement. * **Résultats** : Les notes générées par DENSE maintiennent la structure SOAP, montrent un fort chevauchement sémantique avec les notes de référence et surpassent la vérité de terrain en cohérence temporelle. **Implications** : * **Applications cliniques et de recherche** : DENSE peut être utilisé pour l'augmentation des données, le remplissage des lacunes de documentation et la construction d'outils intelligents pour la synthèse, la transcription ou la prédiction en temps réel. * ** Directions futures** : Échelle DENSE à des populations de patients plus larges, intégration de signaux multimodaux et incorporation de retours des médecins réels. **Conclusion** : DENSE comble un vide dans la littérature en permettant la génération structurée et temporellement conditionnée des comptes rendus de progression sur plusieurs visites. Sa capacité à maintenir la fidélité sémantique, la cohérence structurelle et la continuité temporelle en fait un outil précieux pour améliorer à la fois l'efficacité des prestataires et la qualité des soins.