extracción de conocimiento diagnóstico en textos médicos
Grado en biotecnología
Bioinformática
Dr. Alejandro Rodríguez González
http://www.alejandrorg.com
ETS de Ingenieros Informáticos
Índice
Textos médicos
Procesamiento del lenguaje natural
MetaMap y cTAKES
Extracción de conocimiento diagnóstico de MedlinePlus
EXTRACCIÓN CONOCIMIENTO MÉDICO
Textos médicos
Los textos médicos contienen información relevante que puede utilizarse para conformar, por ejemplo, bases de conocimiento sobre diagnóstico..
Algunos de los textos más clásicos sobre medicina (Harrisons, Farreras) aglutinan la información sobre una enfermedad en diversas secciones entre las que se incluyen las "manifestaciones clínicas".
EXTRACCIÓN CONOCIMIENTO MÉDICO
Textos médicos
La información de dicha sección puede ser útil para poder crear bases de conocimiento sobre diagnóstico de enfermedades.
Hay diferentes fuentes interesantes de información públicas. Una muy útil es MedlinePlus.
EXTRACCIÓN CONOCIMIENTO MÉDICO
Textos médicos
EXTRACCIÓN CONOCIMIENTO MÉDICO
Textos médicos
EXTRACCIÓN CONOCIMIENTO MÉDICO
Textos médicos
Con procesamiento de lenguaje natural (PLN) podríamos extraer las entidades relevantes para nosotros mediante Name Entity Recognition.
Volvamos a ver el ejemplo de Medline..
EXTRACCIÓN CONOCIMIENTO MÉDICO
Textos médicos
EXTRACCIÓN CONOCIMIENTO MÉDICO
Textos médicos
EXTRACCIÓN CONOCIMIENTO MÉDICO
Procesamiento de lenguaje natural
El procesamiento del lenguaje natural (PLN) consiste en técnicas y algoritmos para procesar lenguaje expresado de forma natural y poder dividir, categorizar y clasificar los elementos que componen el texto.
PLN aplica diferentes procesos a los textos para poder categorizar el mismo.
EXTRACCIÓN CONOCIMIENTO MÉDICO
Procesamiento de lenguaje natural
EXTRACCIÓN CONOCIMIENTO MÉDICO
Procesamiento de lenguaje natural
A nosotros nos interesa, para este ejemplo, la parte relativa a detección de entidades.. NER: Name Entity Recognition.
EXTRACCIÓN CONOCIMIENTO MÉDICO
MetaMap
MetaMap is a highly configurable program developed to map biomedical text to the UMLS Metathesaurus or, equivalently, to discover Metathesaurus concepts referred to in text. MetaMap uses a knowledge-intensive approach based on symbolic, natural-language processing (NLP) and computational-linguistic techniques.
Besides being applied for both IR and data-mining applications, MetaMap is one of the foundations of NLM's Medical Text Indexer (MTI) which is being used for both semiautomatic and fully automatic indexing of biomedical literature at NLM.
EXTRACCIÓN CONOCIMIENTO MÉDICO
cTAKES
Apache cTAKES: clinical Text Analysis and Knowledge Extraction System is an open-source natural language processing system for information extraction from electronic medical record clinical free-text. It processes clinical notes, identifying types of clinical named entities — drugs, diseases/disorders, signs/symptoms, anatomical sites and procedures. Each named entity has attributes for the text span, the ontology mapping code, context (family history of, current, unrelated to patient), and negated/not negated.
EXTRACCIÓN CONOCIMIENTO diagnóstico de medline plus
EXTRACCIÓN CONOCIMIENTO diagnóstico de medline plus
enlaces y fuentes
NLP:
Extraccion de conocimiento médico de Medline Plus con MetaMap y cTAKES:
Disponible copia de los artículos en Moodle
Extracción conocimiento textos médicos
By Alejandro Rodríguez González
