Resumen

La extracción de información y el descubrimiento de conocimientos sobre reacciones adversas a medicamentos (RAM) a partir de textos clínicos a gran escala son procesos muy útiles y necesarios. Dos de las principales dificultades de esta tarea son la falta de expertos en la materia para etiquetar los ejemplos y la dificultad de procesar textos clínicos no estructurados. Aunque la mayoría de los trabajos anteriores han abordado estas cuestiones aplicando el aprendizaje semisupervisado para la primera y un enfoque basado en palabras para la segunda, se enfrentan a la complejidad de la adquisición de datos iniciales etiquetados y al desconocimiento de la secuencia estructurada del lenguaje natural. En este estudio, proponemos el etiquetado automático de datos mediante supervisión a distancia, donde se explotan las bases de conocimiento para asignar una etiqueta de relación a nivel de entidad para cada par fármaco-evento en los textos y, a continuación, utilizamos patrones para caracterizar la relación ADR. Para estimar los parámetros del modelo se emplea el método de aprendizaje de múltiples instancias con maximización de expectativas. El método aplica el aprendizaje transductivo para reasignar iterativamente una probabilidad de par fármaco-evento desconocido en el momento del entrenamiento. Mediante la investigación de experimentos con 50.998 resúmenes de alta, evaluamos nuestro método variando un gran número de parámetros, es decir, tipos de patrones, modelos de ponderación de patrones y ponderaciones iniciales e iterativas de relaciones para datos no etiquetados. Basándonos en las evaluaciones, nuestro método propuesto supera la característica basada en palabras para NB-EM (iEM), MILR y TSVM con una puntuación F1 de 11,3%, 9,3% y 6,5% de mejora, respectivamente.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:método, par de eventos, reacción adversa a medicamentos, etiquetado automático de datos, etiqueta de relación de nivel, mayoría de trabajos anteriores, textos clínicos no estructurados, palabra, relación ADR, puntuación F1
• Keywords:method, event pair, adverse drug reaction, automatic data labeling, level relation label, most previous works, unstructured clinical texts, word, ADR relation, F1 score