摘要

本文介绍了一种名为I-SIRch:CS的智能多文档摘要框架，旨在从产科事故调查报告中提取有关种族不平等的关键见解。该框架利用自然语言处理（NLP）和机器学习技术，通过概念标注、聚类和摘要生成，有效地分析和汇总大量非结构化数据。I-SIRch:CS框架通过确保数据的可追溯性，帮助识别重复模式和贡献因素，从而预防医疗事故。论文展示了该框架在处理188份匿名产科调查报告中的应用，并评估了不同摘要模型的性能，特别是BART模型在生成信息丰富且简洁的摘要方面的优势。

原理

I-SIRch:CS框架的核心在于其集成的概念标注、聚类和摘要生成功能。首先，框架使用Safety Intelligence Research (SIRch)分类法对报告中的句子进行标注。随后，通过句子嵌入和k-means聚类算法将标注的句子分组。每个聚类生成摘要时，采用离线的高级抽象摘要模型（如BART、DistilBART、T5），这些模型能够重新表述和压缩原文，生成连贯的摘要。此外，摘要与原始文件和句子ID关联，确保了信息的可追溯性和准确性。

流程

I-SIRch:CS的工作流程包括以下几个步骤：首先，加载、清理和准备医疗报告，生成包含文件ID、句子ID、句子及其概念的CSV文件。接着，使用SentenceTransformer模型进行句子嵌入，并通过肘部法确定最佳聚类数。然后，应用k-means聚类算法对句子进行分组。最后，对每个聚类应用摘要模型生成摘要，并提取相关元数据。整个过程确保了数据处理的自动化和可追溯性。

应用

I-SIRch:CS框架在医疗健康领域具有广泛的应用前景。它不仅能够帮助医疗机构从大量事故报告中快速提取关键信息，预防未来的医疗事故，还能通过分析不同种族群体的报告摘要，识别和解决医疗质量中的不平等现象。此外，该框架的可扩展性和自动化处理能力，使其能够适应不断增长的医疗数据处理需求。