Healthscribe Clinical Note Generator

🚀 HealthScribe (臨床ノート生成器)

このモデルは、医師と患者の会話の自動音声認識（ASR）データから臨床ノートを生成するためのモデルです。

🚀 クイックスタート

HealthScribeは、facebook/bart-large-cnn を MTS-Dialog Dataset の修正版データセットでファインチューニングしたモデルです。このモデルはFlaskウェブアプリケーションと統合されており、医師と患者の会話のASRデータから臨床ノートを生成できます。

✨ 主な機能

• 医師と患者の会話のASRデータから臨床ノートを生成する。
• Flaskウェブアプリケーションと統合されている。

📦 インストール

このセクションでは、原READMEにインストールに関する具体的な内容がないため、省略されています。

💻 使用例

基本的な使用法

推論用のテストデータサンプルは、test.txt を参照できます。

"Doctor: Hi there, I love that dress, very pretty! 
Patient: Thank you for complementing a seventy-two-year-old patient.
Doctor: No, I mean it, seriously. Okay, so you were admitted here in May two thousand nine. You have a history of hypertension, and on June eighteenth two thousand nine you had bad abdominal pain diarrhea and cramps.
Patient: Yes, they told me I might have C Diff? They did a CT of my abdomen and that is when they thought I got the infection.
Doctor: Yes, it showed evidence of diffuse colitis, so I believe they gave you IV antibiotics?
Patient: Yes they did. 
Doctor: Yeah I see here, Flagyl and Levaquin. They started IV Reglan as well for your vomiting.
Patient: Yes, I was very nauseous. Vomited as well.
Doctor: After all this I still see your white blood cells high. Are you still nauseous? 
Patient: No, I do not have any nausea or vomiting, but still have diarrhea. Due to all that diarrhea I feel very weak.
Doctor: Okay. Anything else any other symptoms?
Patient: Actually no. Everything's well.
Doctor: Great.
Patient: Yeah."

📚 ドキュメント

モデルの説明

このモデルは、HealthScirbe プロジェクトのために開発されました。このモデルはFlaskウェブアプリケーションと統合されています。このプロジェクトは、医師と患者の会話のASRデータから臨床ノートを生成するウェブアプリケーションです。

意図された用途と制限

このモデルは、医師と患者の会話データ（ASR）から臨床ノートを生成するために使用されます。ただし、以下のような制限があります。

• N/A出力の生成が少ない。時にはNoneが生成されることがある。
• 入力データが非常に少ない文字トークンで構成されている場合、または入力が非常に大きい場合、ハロウィングが発生することがある。

🔧 技術詳細

トレーニングと評価データ

このモデルは、評価セットで以下の結果を達成しています。

• 損失率: 0.1562
• Rouge1: 54.3238
• Rouge2: 34.2678
• Rougel: 46.5847
• Rougelsum: 51.2214
• 生成長: 77.04

トレーニング手順

このモデルは、修正版の MTS-Dialog の1201個のトレーニングサンプルと100個の検証サンプルでトレーニングされました。

トレーニングハイパーパラメータ

トレーニング中に使用されたハイパーパラメータは以下の通りです。

• learning_rate: 2e-05
• train_batch_size: 1
• eval_batch_size: 1
• seed: 42
• gradient_accumulation_steps: 2
• total_train_batch_size: 2
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 3
• mixed_precision_training: Native AMP

トレーニング結果

フレームワークバージョン

• Transformers 4.39.2
• Pytorch 2.2.1+cu121
• Datasets 2.18.0
• Tokenizers 0.15.2

📄 ライセンス

このモデルはMITライセンスの下で提供されています。