Key points are not available for this paper at this time.
لقد سرعت الخطوات الأخيرة في التعرف التلقائي على الكلام (ASR) من تطبيقها في المجال الطبي حيث أن أدائها على الكيانات الطبية المسماة المتأثرة باللهجات مثل أسماء الأدوية، والتشخيصات، ونتائج المختبر، لا يزال غير معروف إلى حد كبير. نقوم بتقييم صارم لعدة نماذج ASR على مجموعة بيانات إنجليزية سريرية تتضمن 93 لهجة أفريقية. تكشف تحليلاتنا أنه على الرغم من تحقيق بعض النماذج لمعدلات خطأ منخفضة في الكلمات (WER) بشكل عام، إلا أن الأخطاء في الكيانات السريرية أعلى، مما قد يشكل مخاطر كبيرة على سلامة المرضى. لإثبات ذلك تجريبيًا، نستخرج الكيانات السريرية من النصوص، ونطور خوارزمية جديدة لمواءمة توقعات ASR مع هذه الكيانات، ونحسب استدعاء الكيانات الطبية، ومعدل خطأ الكلمات الطبية، ومعدل خطأ الأحرف. تظهر نتائجنا أن تحسين نماذج ASR على الكلام السريري المتأثر باللهجات يعمل على تحسين معدل الخطأ الطبي بشكل كبير (25-34% نسبيًا)، مما يحسن قابليتها للتطبيق العملي في بيئات الرعاية الصحية.
أفونجا وآخرون (الثلاثاء) درسوا هذا السؤال.