Mejora del Reconocimiento de Entidades Nombradas para inmunología y trastornos inmunomediados

Área de la Ciencia:

• Informática biomédica
• Biología computacional
• Inmunología

Sus antecedentes:

• El Reconocimiento de Entidades Nombradas (NER) biomédico se enfrenta a desafíos con entidades complejas, anidadas y superpuestas en inmunología.
• Los sistemas NER existentes luchan con la terminología especializada y la ambigüedad contextual en textos inmunológicos, lo que limita las aplicaciones posteriores.

Objetivo del estudio:

• Proponer un marco NER específico del dominio adaptado a la inmunología.
• Mejorar la precisión del reconocimiento en condiciones de bajos recursos y supervisión débil.

Principales métodos:

• Desarrolló un marco que integra la codificación de tramos estructurados (SpanStructEncoder) y la decodificación guiada por conocimiento (Decodificación de Restricciones Contextuales, CCD).
• Evaluó el modelo en tres conjuntos de datos específicos de inmunología: NCBI Disease Corpus, SNPPhenA y HLA-SPREAD.

Principales resultados:

• El modelo propuesto superó consistentemente a las bases sólidas biomédicas (BioGPT, BioLinkBERT, SciFive) en la puntuación F1.
• La incorporación de representaciones de tramos estructurados y decodificación consciente de la ontología mejoró significativamente la extracción de entidades para textos de inmunología.

Conclusiones:

• El marco ofrece una solución robusta e interpretable para la minería de textos biomédicos centrada en la inmunología.
• Facilita aplicaciones en la curación de literatura, el descubrimiento de biomarcadores y el soporte de decisiones clínicas.