medRxiv 预印本· Klein, A., He, W., Chen, H., Tong, B., Summerhayes, E., Shen, L., Hodgson, N. ·· 16 天前AI 评分18
研究比较机器学习方法在临床对话转录文本中检测照护者负担的效果
Comparing Machine Learning Methods for Detecting Caregiver Burden in Transcribed Conversations with Clinicians
AI 导读
基于COPE in PACE研究去标识化的照护者-临床医生对话转录文本,研究者以Zarit负担评分为参照,比较了四种机器学习与AI方法检测照护者负担的表现。LLM提示的精确率/F1为0.43/0.60,弱监督为0.48/0.58,朴素基线为0.40/0.57;全监督句子级模型仅0.19/0.25,且因标签与分析单位不同不可直接比较。作者认为临床部署仍需更大标注语料和更精细的标注策略。
来源:medRxiv 预印本 · medrxiv.org