In: L. Alfonso Uren~a Lopez, Jose Antonio Troyano Jimenez, Francisco Javier Ortega Rodr guez, Eugenio Mart nez Camara (eds.): Actas de las V Jornadas TIMM, Cazalla de la Sierra, Espan~a, 12-JUN-2014, publicadas en http://ceur-ws.org
Hoy en d´ıa, disponemos de una gran cantidad de informaci´on digital relativa a la salud. El uso de esta informaci´on, mayoritariamente textual, resulta cr´ıtico para innovar en las investigaciones m´edicas, para mejorar la calidad de la atenci´on sanitaria y para reducir costes [FRC13]. Y sin embargo, el personal sanitario tiene dificultades para poder aprovechar tal cantidad de informaci´on multilingu¨e dispersa en mu´ltiples fuentes de informaci´on.
En la actualidad, los esfuerzos se centran, sobre todo, en crear herramientas y recursos para lengua inglesa. Esto se traduce en carencias para los profesionales sanitarios en pa´ıses de habla no inglesa. Por ello, el objetivo de este proyecto de tesis doctoral es analizar y proponer nuevas t´ecnicas y enfoques que permitan abordar la creaci´on de un sistema de extracci´on de informaci´on farmacoterap´eutica a partir de documentos especializados procedentes de diversas fuentes en castellano.
Copyright ⃝c by the paper's authors. Copying permitted only for private and academic purposes.
Isabel Moreno, M. T. Romá-Ferri y Paloma Moreda 1.
Hoy en d´ıa tenemos a nuestra disposici´on una gran cantidad de informaci´on digital. Lo mismo le ocurre al personal sanitario durante su actividad profesional.
Un ejemplo evidente de la gran cantidad de informaci´on disponible, son las bases de datos cient´ıficas como MEDLINE1, con las ultimas novedades sanitarias generalmente en ingl´es.
A la informaci´on cient´ıfica hay que an˜adir la generada en la Historia Cl´ınica Electr´onica (HCE) de los pacientes, en la lengua nativa del profesional. En la HCE se pueden encontrar muchos campos con informaci´on textual libre, generalmente en la lengua nativa del profesional. Sobre todo encontramos informaci´on textual en aquellos campos relacionados con la medicaci´on como la posolog´ıa y las indicaciones tanto al paciente como al farmac´eutico.
Emplear toda esta informaci´on resulta cr´ıtico para innovar en las investigaciones m´edicas, para mejorar la calidad de la atenci´on sanitaria y para reducir costes [FRC13]. Hoy en d´ıa la mayor´ıa de los esfuerzos se centran en crear herramientas y recursos lingu¨´ısticos (necesarios para construir o evaluar estas herramientas) en lengua inglesa. Esto se traduce en una carencia de herramientas y recursos para lengua nativa del profesional en pa´ıses de habla no inglesa.
Por todo lo expuesto anteriormente, el objetivo final de este proyecto de tesis doctoral consiste en analizar y proponer nuevas t´ecnicas y enfoques que permitan la construcci´on de un sistema de Extracci´on de Informaci´on (EI) farmacoterap´eutica en castellano. Con ello se convertir´a la informaci´on textual de documentos especializados en informaci´on estructurada. Lo que permitir´a presentarla de forma organizada, facilitando su consulta e interpretaci´on en el menor tiempo posible.
Para conseguir nuestro objetivo final, se plantean a su vez 4 objetivos:
Definir un esquema de anotaci´on sem´antico: Se ha definido un esquema de anotaci´on sem´antico compuesto por 18 elementos farmacoterap´euticos. Dichos elementos est´an basados en las necesidades de los profesionales sanitarios y de los pacientes, as´ı como en trabajos de referencia en este dominio: corpus i2b2[USXC10], en los sistemas de [DGZ10, PC10] y en la ontolog´ıa farmacoterap´eutica, OntoFIS[RF09]. En el cuadro 1 se encuentran todos los elementos de nuestro esquema, tanto entidades nombradas como relaciones entre las mismas.
Drug (Principio Activo) Chemical Composition (Composici´on Qu´ımica) Route (V´ıa de administraci´on) Pharmaceutical Form (Forma farmac´eutica) Food (Alimento) Infectious Agent (Agente Infeccioso) Toxic Agente (Agente T´oxico) Excipient (Excipiente)
Desirable Effect (Efecto deseado) Therapeutic Indication (Indicaci´on Terap´eutica) Therapeutic Action (Acci´on terap´eutica) Side Effect (Efecto secundario) Unit Of Measurement (Unidad de medida) Contraindication (Contraindicacio´n) Overdosage (Sobredosis)
Interaction (Interacci´on) Anotar sem´anticamente un corpus de documentos especializados: Se ha anotado sem´anticamente un corpus de documentos especializados con nuestro esquema. En concreto, hemos usado fichas t´ecnicas de medicamento, que son una versio´n ampliada de los prospectos de los medicamentos para los profesionales sanitarios. La Figura 1 muestra un fragmento de ficha t´ecnica anotada con algunos de nuestros conceptos como indicaci´on terap´eutica o principio activo. 1Con mas de 23 millones de documentos indizados actualmente (julio 2014): http://www.ncbi.nlm.nih.gov/pubmed Propuesta de un sistema de extracción de información farmacoterapéutica a partir de documentos especializados procedentes de diversas fuentes en castellano
Figura 1: Ejemplo de texto marcado con varios conceptos del esquema propuesto Crear o adaptar recursos lingu¨´ısticos y sem´anticos: Se ha analizado como adaptar recursos sem´anticos como la ontolog´ıa OntoFIS[RF09] y la terminolog´ıa sanitaria Snomed[CR80] y as´ı enriquecer nuestro sistema de Extracci´on de informaci´on. En un futuro estudiaremos y crearemos otros recursos que podamos necesitar. Crear el sistema de EI empleando distintas heur´ısticas. Hemos realizado algunas pruebas con sistemas basados en diccionarios y los recursos comentados en el objetivo anterior. Segu´n las necesidades de cada tipo de elemento estudiaremos si utilizar reglas o aprendizaje autom´atico o un enfoque hibrido para su extracci´on. [CR80] [DGZ10]
R.A. Cote and S. Robboy. Progress in medical information management: the systematized nomenclature of medicine (snomed) [progres dans la gestion de l’information medicale. la nomenclature systematisee de la medecine (snomed)]. Union Medicale du Canada, 109(9):1243–1252, 1980.
Louise Del´eger, Cyril Grouin, and Pierre Zweigenbaum. Extracting medication information from French clinical texts. Studies in health technology and informatics, 160(Pt 2):949–53, January 2010.
Carol Friedman, Thomas C Rindflesch, and Milton Corn. Natural language processing: state of the art and prospects for significant progress, a workshop sponsored by the National Library of Medicine.
Journal of biomedical informatics, 46(5):765–73, October 2013.
Jyotishman Pathak and Christopher G Chute. Analyzing categorical information in two publicly available drug terminologies: RxNorm and NDF-RT. Journal of the American Medical Informatics Association : JAMIA, 17(4):432–9, January 2010.
M.T. Rom´a-Ferri. OntoFIS: tecnolog a ontologica en el dominio farmacoterapeutico. PhD thesis,
Universidad de Alicante, 2009.