CLARA：临床报告自动补全

基于摘要分析。该研究面向从 X-ray、EEG 等原始记录撰写临床报告的工作流程，提出 CLARA（Clinical Report Auto-completion），利用医生提供的锚定词和未完成句子逐句补全报告，而非一次生成整份报告。其主要贡献是把医生输入、既有报告检索和输入特征结合起来，支持交互式报告撰写；研究对象是临床报告生成，不是 BCI 控制或 EEG 任务解码。 核心机制：CLARA 从已有报告中检索与当前报告最相关的句子作为模板，再结合输入特征表示依次修改检索句子，形成最终报告。相较直接生成整份报告，作者希望通过交互输入缓解生成错误需人工修订、医生追加信息不便及报告不符合个人偏好等问题。摘要未说明 EEG 特征提取方式、检索算法、生成模型结构、损失函数或训练流程，这些细节尚未验证。 作者报告，在句子级生成评估中，X-ray 报告的 CIDEr 为 0.393、BLEU-4 为 0.248；EEG 报告的 CIDEr 为 0.482、BLEU-4 为 0.491。作者报告相对最佳基线的提升最高达 35%，但摘要未明确该提升对应的任务、指标及基线名称，不能推广到所有结果。用户研究中，作者报告医生认可度评分为 CLARA 3.74/5、基线 2.52/5；参与医生人数、评分流程及统计检验尚未验证。 复现与解释边界：需核对数据集、记录与报告的配对方式、训练测试划分、检索库构建、医生提示的提供方式及对照设置。尤其应确认评估是否涉及跨患者或跨机构泛化，并检查检索库与测试报告的隔离方式；摘要不足以判断这些事项。CIDEr、BLEU-4 衡量文本生成表现，不能直接替代医学事实准确性、遗漏风险或实际撰写耗时评估。实验协议、消融及统计信息尚未验证。