• wywiadu medycznego przeprowadzonego z pacjentem z wykorzystaniem voicebota,
• elektronicznej dokumentacji medycznej pacjenta dostępnej w placówce (przychodnia, szpital) – o ile chory posiada taką dokumentację.

Zadania, sposób osiągnięcia celów i główne funkcjonalności rezultatu projektu – opracowanie modeli uczenia maszynowego do generowania skrótów dokumentacji medycznej pozwoli na uzyskanie bardzo wysokiego poziomu jakości wygenerowanego streszczenia wynosząca odpowiednio (pomiar jakości parametrami ROUGE, które oznaczają poziom zgodności wygenerowanego w sposób automatyczny streszczenia medycznego względem streszczenia wzorcowego):

• ROUGE-1: 38, ROUGE-2: 23, ROUGE-L: 37 (streszczenie abstrakcyjne i ekstrakcyjne wygenerowane na podstawie danych zawartych w elektronicznej dokumentacji medycznej),
• ROUGE-1: 40 ROUGE-2: 22, ROUGE-L: 36 (streszczenie abstrakcyjne wygenerowane na podstawie danych pozyskanych z wywiadu medycznego przeprowadzonego przez voicebota).

  Projekt jest absolutnie nowatorski, ze względu na fakt, że żaden obecny na rynku produkt nie posiada ww. funkcjonalności z uwagi na:

  • rynek polski – obecnie brak jest rozwiązań umożliwiających generowanie streszczeń dokumentacji medycznej w języku polskim;
  • rynek zagraniczny – wszystkie dostępne rozwiązania są wyłącznie w języku angielskim, co sprawia, że ich bezpośrednia implementacja w języku polskim nie jest możliwa (z uwagi na różnice językowe).

  System będzie dedykowany w pierwszym etapie dla 3 specjalizacji:

  • chirurgia ogólna,
  • neurochirurgia,
  • ortopedia i traumatologia narządu ruchu.

  Głównymi grupami docelowymi będą:

  • szpitale (publiczne i prywatne), podmioty ambulatoryjne (odbiorcy bezpośredni),
  • lekarze (odbiorcy pośredni – główni użytkownicy nowego systemu),
  • pacjenci szpitali/poradni ambulatoryjnych (odbiorcy pośredni).