Extracción automática de reacciones adversas a medicamentos de los registros médicos electrónicos
Crédito: CC0 Public Domain
Los registros médicos electrónicos de los pacientes transmiten información crucial. La aplicación de técnicas de procesamiento de lenguaje natural a estos registros puede ser un medio eficaz para extraer información que puede mejorar la toma de decisiones clínicas, la documentación clínica y la facturación, la predicción de enfermedades y la detección de reacciones adversas a medicamentos. Las reacciones adversas a los medicamentos son un problema de salud importante, que provoca reingresos hospitalarios e incluso la muerte de miles de pacientes. Un sistema de detección automática puede resaltar dichas reacciones en un documento, resumirlas y reportarlas automáticamente.
En este contexto, el Hospital Universitario de Basurto y el Hospital de Galdakao «se interesaron en crear un sistema que utilizara técnicas de procesamiento de lenguaje natural para analizar los registros de salud de los pacientes con el fin de identificar automáticamente cualquier efecto adverso», explica la ingeniera Sara Santiso, quien también tiene un Ph.D. en Ciencias de la Computación. Después de que los hospitales contactaran con el grupo IXA de la UPV/EHU, varios investigadores comenzaron a trabajar en la construcción de un modelo robusto con el que extraer reacciones adversas a medicamentos a partir de historias clínicas electrónicas escritas en español, basado en minería de textos clínicos.
Para ello, “no solo hemos utilizado técnicas basadas en algoritmos tradicionales de aprendizaje automático, también hemos explorado técnicas de aprendizaje profundo, llegando a la conclusión de que estas son más capaces de detectar reacciones adversas”, explica Santiso, uno de los autores del estudio. . El aprendizaje automático y el aprendizaje profundo imitan la forma en que aprende el cerebro humano, aunque utilizan diferentes tipos de algoritmos para hacerlo.
Dificultades para encontrar un corpus en español
Santiso destaca las dificultades del equipo encontrado al tratar de encontrar un corpus lo suficientemente grande con el que trabajar: «Al principio, comenzamos con solo unos pocos registros de salud, porque son difíciles de obtener por cuestiones de privacidad; hay que firmar acuerdos de confidencialidad para poder trabajar con ellos ,» ella explica. El equipo de investigación ha descubierto que «tener un corpus más grande ayuda al sistema a aprender los ejemplos que contiene de manera más efectiva, lo que da lugar a mejores resultados».
A través de este estudio, que se llevó a cabo con registros de salud escritos en español, “estamos contribuyendo a cerrar la brecha entre la minería de textos clínicos en inglés y la realizada en otros idiomas, que representa menos del 5% de todos los trabajos publicados en el campo. De hecho, la extracción de información clínica aún no está plenamente desarrollado debido (entre otras cosas) al potencial para extraer información de otros hospitales y en otros idiomas”, afirma el investigador.
Aunque el procesamiento del lenguaje natural ha sido de inestimable ayuda en la detección asistida por ordenador de reacciones adversas a medicamentos, todavía hay margen de mejora: «Hasta la fecha, los sistemas han tendido a centrarse en detectar pares de medicamentos-enfermedad ubicados en la misma oración. Sin embargo, los registros de salud contienen información implícita que podría revelar relaciones subyacentes (por ejemplo, la información sobre antecedentes podría ser relevante para determinar las causas de un evento adverso). En otras palabras, la investigación futura debería esforzarse por detectar las relaciones entre oraciones explícitas e implícitas». Además, otro problema que debería ser objeto de investigación futura es la falta de registros de salud electrónicos escritos en español.
Explore más a fondo
Las notas médicas ‘tendencias’ podrían ayudar a los hospitales a predecir los aumentos repentinos de la COVID-19 Methods and Programs in Biomedicine (2020).DOI: 10.1016/j.cmpb.2020.105891 Proporcionado por la Universidad del País Vasco Cita: Extracción automática de reacciones adversas a medicamentos de registros electrónicos de salud (2021, 5 de marzo) recuperado 30 de agosto de 2022 de https://medicalxpress.com/news/2021-03-automatic-adverse-drug-reaction-electronic.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede ser reproducida producido sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.