Optimización de BERT para la detección automatizada de síntomas en la práctica clínica mediante PLN

Área de la Ciencia:

• Informática Clínica
• Procesamiento del Lenguaje Natural
• Análisis de Datos Médicos

Sus antecedentes:

• El Procesamiento del Lenguaje Natural (PLN) ofrece herramientas para extraer información clínica de narrativas médicas no estructuradas.
• La extracción de información de síntomas de textos libres de servicios de urgencias (SU) alemanes es un desafío debido a la presión de documentación, la variabilidad del lenguaje y las estrictas regulaciones de protección de datos.
• El alemán es un idioma de bajos recursos para el PLN clínico, lo que requiere enfoques especializados.

Objetivo del estudio:

• Implementar y comparar modelos de PLN para reconocer síntomas, términos anatómicos y negaciones en textos de anamnesis de SU alemanes.
• Evaluar la viabilidad de la implementación de modelos en las instalaciones y seguros para la protección de datos para el análisis de textos clínicos.
• Establecer una canalización para la extracción sistemática de síntomas y su transformación en datos estructurados.

Principales métodos:

• Comparación de dos modelos de aprendizaje de cero disparos (GLiNER, Mistral) y un modelo basado en BERT ajustado de forma fina (SCAI-BIO/BioGottBERT) para el Reconocimiento de Entidades Nombradas (NER).
• Se utilizaron anotaciones manuales de 150 narrativas para la validación del modelo en un entorno hospitalario local.
• Se implementaron pasos de posprocesamiento que incluyen filtrado de confianza, exclusión de negaciones, estandarización de síntomas e integración con datos oncológicos estructurados.

Principales resultados:

• El modelo SCAI-BIO/BioGottBERT ajustado de forma fina logró una puntuación F1 de 0,84 para la extracción de síntomas, superando a los modelos de cero disparos.
• Demostró un rendimiento superior en la detección de negaciones en comparación con los enfoques de cero disparos.
• Creó con éxito una canalización validada para la extracción y estructuración de síntomas afirmativos a partir de texto libre de SU.

Conclusiones:

• Los métodos modernos de PLN, en particular los modelos ajustados de forma fina, pueden extraer de forma fiable los síntomas clínicos del texto libre de SU alemán en virtud de estrictas normas de protección de datos.
• Este enfoque proporciona una solución precisa y práctica para integrar narrativas clínicas no estructuradas en la toma de decisiones.
• La metodología apoya el análisis a gran escala de cohortes de pacientes y puede extenderse para extraer otras entidades clínicas, formando la base para el análisis de subgrupos.