Mejorar la identificación de drogas en la vigilancia de muertes por sobredosis mediante el uso de modelos clínicos de...

Área de la Ciencia:

• Salud Pública La salud pública.
• La lingüística computacional es la lingüística computacional.
• Ciencias Forenses Ciencias Forenses.

Sus antecedentes:

• Las muertes relacionadas con las drogas, particularmente las inducidas por el fentanilo, están aumentando en los Estados Unidos, lo que requiere una vigilancia eficiente.
• Los métodos actuales se basan en la codificación manual de los informes del forense en la CIE-10, causando retrasos y pérdidas de datos.
• Las aplicaciones existentes de procesamiento del lenguaje natural (PNL) para la vigilancia de sobredosis han mostrado limitaciones.

Objetivo del estudio:

• Evaluar y comparar varios modelos de PNL para clasificar la participación de drogas en muertes por sobredosis a partir de texto no estructurado.
• Evaluar el rendimiento del aprendizaje automático tradicional, los modelos basados en BERT y los grandes modelos de lenguaje (LLM).
• Determinar el enfoque de PNL más preciso y escalable para mejorar la vigilancia de sobredosis.

Principales métodos:

• Utilizó un conjunto de datos de 35.433 registros de muertes estadounidenses desde 2020 para capacitación y pruebas internas.
• Se realizó una validación externa en un conjunto de datos separado de 3335 registros de 2023-2024.
• Comparó clasificadores tradicionales, representaciones de codificadores bidireccionales afinadas de transformadores (BERT) y BioClinicalBERT, y LLM sólo con decodificador (Qwen 3, Llama 3).
• Evalúa el rendimiento utilizando puntuaciones F1 promediadas por macros y intervalos de confianza del 95%.

Principales resultados:

• Los modelos BioClinicalBERT afinados lograron un rendimiento casi perfecto (macro F1 ≥0.998) en los datos internos.
• La validación externa demostró la robustez de BioClinicalBERT (macro F1 = 0.966), superando el rendimiento de otros modelos.
• Los modelos de PNL superaron significativamente el rendimiento del aprendizaje automático convencional y el BERT de dominio general.

Conclusiones:

• Los modelos clínicos de PNL afinados, como BioClinicalBERT, proporcionan una solución altamente precisa y escalable para clasificar las muertes por sobredosis a partir de informes de texto libre.
• Estos métodos de PNL pueden acelerar sustancialmente la vigilancia, superando las limitaciones de la codificación manual.
• El estudio apoya la detección casi en tiempo real de las tendencias emergentes de uso de sustancias a través de técnicas avanzadas de PNL.