Innovating Works

PID2019-106942RB-C33

Financiado
ANALISIS DE TEXTO MEDICO PARA LA ASSISTENCIA A LA PREDICCION DE DIAGNOSIS
LA GRAN CANTIDAD DE REGISTROS DE SALUD ELECTRONICOS EXISTENTES SE PUEDE APROVECHAR PARA MEJORAR LA EFICIENCIA Y LA PRECISION DE LOS PROFESIONALES MEDICOS, LOS SISTEMAS DE AYUDA AL DIAGNOSTICO O LOS DETECTORES PREVENTIVOS DE RIESGO... LA GRAN CANTIDAD DE REGISTROS DE SALUD ELECTRONICOS EXISTENTES SE PUEDE APROVECHAR PARA MEJORAR LA EFICIENCIA Y LA PRECISION DE LOS PROFESIONALES MEDICOS, LOS SISTEMAS DE AYUDA AL DIAGNOSTICO O LOS DETECTORES PREVENTIVOS DE RIESGO PARA LA SALUD SON POSIBLES HOY EN DIA GRACIAS A LA DISPONIBILIDAD DE GRANDES REPOSITORIOS DE DATOS Y DE POTENTES TECNICAS DE APRENDIZAJE AUTOMATICO, NUESTRO OBJETIVO ES EXPLORAR ENFOQUES QUE PERMITAN LA EXTRACCION DE PATRONES DE EVOLUCION DEL PACIENTE A PARTIR DE HISTORIAS CLINICAS ESCRITAS EN ESPAÑOL, CATALAN O INGLES, LOS PATRONES OBTENIDOS PODRIAN SER UTILES PARA EL DESARROLLO DE ASISTENTES DE DIAGNOSTICO O POLITICAS DE PREVENCION,PARA LOGRAR LOS OBJETIVOS DESCRITOS ANTERIORMENTE, NOS CENTRAREMOS EN EL ESTUDIO DE DIFERENTES ASPECTOS:- EXTRACCION DE INFORMACION MEDICA DE HISTORIAS CLINICAS, NOS CENTRAMOS EN: RECONOCIMIENTO DE ENTIDADES MEDICAS (DIAGNOSTICOS, PROCEDIMIENTOS, SIGNOS/SINTOMAS, MEDICAMENTOS, PARTE_DE_CUERPO, ETC,), CODIFICACION DE ENTIDADES MEDICAS USANDO DIFERENTES CODIFICACIONES (CIE10, CIAP2, SNOMED, ATC) Y EXTRACCION DE RELACIONES (P,E,, OCURRE ENTRE UN DIAGNOSTICO Y UNA PARTE_DE_CUERPO), EXPLORAREMOS ARQUITECTURAS DE JOINT DEEP LEARNING Y EMSEMBLE DEEP LEARNING, ASI COMO LOS EFECTOS DE APLICAR WORD EMBEDDINGS MEDICO, Y DE COMBINAR ML SEMISUPERVISADO &#8203;&#8203;CON DEEP LEARNING PARA LOGRAR MODELOS EFECTIVOS A PARTIR DE CONJUNTOS PEQUEÑOS DE ENTRENAMIENTO,- DETECCION DE NEGACION Y ESPECULACION, NO TODAS LAS ENTIDADES MEDICAS RECONOCIDAS EN TEXTO TIENEN LA MISMA CERTEZA: ALGUNAS SON ESPECULATIVAS Y OTRAS ESTAN NEGADAS, POR LO TANTO, LA DETECCION DE ESTOS CASOS ES UN PASO CRUCIAL PARA REALIZAR UNA EXTRACCION DE INFORMACION PRECISA SOBRE EL TEXTO MEDICO, SE EXPLORARAN DIFERENTES ENFOQUES, POR UN LADO, CON RESPECTO AL MODELADO DEL PROBLEMA: DETECTAR RELACIONES <NEGACION,AMBITO DE NEGACION> O CLASIFICAR ENTIDADES RECONOCIDAS EN NEG, POS, ESPEC, POR OTRO LADO, AUNQUE SE APLICARAN METODOS DE APRENDIZAJE PROFUNDO DE VANGUARDIA, TAMBIEN SE CONSIDERARAN LAS SOLUCIONES CLASICAS DE APRENDIZAJE AUTOMATICO,- ENRIQUECIMIENTO Y BUSQUEDA DE TERMINOS APROXIMADOS EN ONTOLOGIAS MEDICAS, PARA PERMITIR LA REPRESENTACION DE CONCEPTOS MEDICOS EN CUALQUIERA DE LOS SISTEMAS DE CODIFICACION RELEVANTES PARA EL PROYECTO Y PARA ESPAÑOL Y CATALAN, EXPLORAREMOS TECNICAS PARA INTEGRAR Y ENRIQUECER LOS RECURSOS Y ONTOLOGIAS MEDICAS EXISTENTES (METAMAP, SNOMED, UMLS, BIOPORTAL, ,,,) , TAMBIEN DESARROLLAREMOS TECNICAS EFICIENTES BASADAS EN SIMILITUDES PARA LA BUSQUEDA DE LAS ENTRADAS ONTOLOGICAS MAS SIMILARES A UN TERMINO DETECTADO EN TEXTO MEDICO (YA SEA ESCRITO CON GRAMATICA ESTANDAR O CON GRAMATICA NO ESTANDAR),- INFERENCIA DE PATRONES PARA LA PREDICCION DE RIESGOS EN PACIENTES MULTIMORBIDOS, DICHOS TIPOS DE PACIENTES SON ALTAMENTE PREVALENTES EN CONTEXTOS CLINICOS COMO LA ATENCION PRIMARIA, PERO HAY POCA EVIDENCIA SOBRE COMO TRATAR CON DICHOS PACIENTES, EN COLABORACION CON IDIAP JGOL, NUESTRO OBJETIVO ES INFERIR AUTOMATICAMENTE PATRONES MEDIANTE LOS CUALES LOS MEDICOS PUEDAN PREDECIR EL RIESGO DE NUEVAS ENFERMEDADES PARA UN PACIENTE MULTIMORBIDO DADA SU HISTORIA CLINICA, NOS CENTRAREMOS EN EL ESTUDIO DE DIFERENTES TECNICAS DE MINERIA DE DATOS QUE EXPLOTEN LA INFORMACION MEDICA EXTRAIDA DE HISTORIALES DE PACIENTES MULTIMORBIDOS, PROCESAMIENTO DE LENGUAJE MEDICO\INFERENCIA DE PATRONES DE RIESGO\MULTIMORBIDILIDAD\EXTRACCION DE INFORMACION\ONTOLOGIAS MEDICAS\DETECCION DE NEGACION\DETECCION DE ESPECULACION\APRENDIZAJE PROFUNDO\APRENDIZAJE AUTOMATICO\TEXTO CLINICO ver más
01/01/2019
UPC
105K€
Perfil tecnológico estimado

Línea de financiación: concedida

El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2019-01-01
Presupuesto El presupuesto total del proyecto asciende a 105K€
Líder del proyecto
Universidad Politécnica de Cataluña No se ha especificado una descripción o un objeto social para esta compañía.
Total investigadores 9