יום רביעי, 7 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.CL ·

סגירת פערים בתיעוד קליני באמצעות שאילתות אוטומטיות

Closing Ambient Clinical Documentation Gaps with Automated Provider Queries
חוקרים בדקו האם מודל LLM יכול לאוטומט תהליך שאילתות רופאים לצמצום פערים בתיעוד רפואי. הם פיתחו בנך'ים לבדיקת היעילות של המודל במשימות שונות, ומצאו שהוא יכול לשפר את דיוק התיעוד.
תקציר מקורי באנגליתarXiv:2610.07502v1 Announce Type: new Abstract: Provider queries are clarifying requests sent by clinical documentation specialists to physicians to close gaps in the clinical note and ensure accurate billing. Prior work automates note drafting, ICD-10 coding, and order extraction assuming a complete transcript, leaving these gaps unaddressed. We study whether an LLM can automate the query loop, termed DAU (Draft, Ask, Update), across those three tasks. An audit of 3,000 real visits identifies the sources of missing documentation, from which we build five transcript-degradation benchmarks on public data. Analyzing 21k clarification turns on real conversations, we find useful-question predictors are task-specific: oracle confidence dominates, but note completeness needs only simple recall q
קרא במקור המקורי