Resumen

Objetivo: Los registros médicos electrónicos (RME) típicamente contienen atributos estructurados, así como texto narrativo. La utilidad de los RME para investigación y gestión se ve limitada por la dificultad en analizar automáticamente las porciones narrativas. En consecuencia, este artículo propone una estrategia para priorizar RME (SPIRE), usando procesamiento de lenguaje natural combinado con análisis de datos estructurados, para poder identificar y jerarquizar RME que satisfagan consultas que buscan pacientes con ciertas enfermedades planteadas por investigadores clínicos o gestores hospitalarios. Materiales y Métodos: La herramienta de software resultante fue evaluada técnicamente y validada con tres casos (falla cardiaca, hipertensión pulmonar y diabetes mellitus) comparado contra resultados obtenidos por expertos. Resultados y Discusión: Nuestros resultados preliminares demuestran alta sensibilidad (70%, 82% y 87% respectivamente) y especificidad (85%, 73.7% and 87.5%) en el conjunto de registros resultante. El área bajo la curva fue de entre 0.84 y 0.9. Conclusiones: SPIRE fue implementado exitosamente y usado en el contexto de un sistema de información de un hospital universitario, permitiendo que investigadores clínicos obtuvieran RME priorizados para sus necesidades de información, a partir de plantillas colaborativas de búsqueda, con resultados más rápidos y precisos que otros métodos existentes.

1. INTRODUCCIÓN

En este trabajo se propone una estrategia de priorización de historias clínicas electrónicas (SPIRE) mediante técnicas de análisis estructurado y de procesamiento del lenguaje natural para mejorar la precisión en la selección de pacientes necesaria para estudios retrospectivos o análisis administrativos. Este objetivo está motivado por la creciente adopción de sistemas de información sanitaria en atención primaria, que ha producido millones de historias clínicas electrónicas en todo el mundo [1]. Aunque los profesionales e instituciones médicas están sometidos a una presión cada vez mayor para adoptar o explotar aún más los sistemas de RME, existen pruebas de la pérdida persistente de productividad [2]. Y lo que es más importante, no existen pruebas significativas de que los resultados de los pacientes mejoren [3]. Sin embargo, al mismo tiempo, los beneficios de los RME son evidentes en cuanto a la calidad de la toma de decisiones, el cumplimiento de las directrices, el aumento de los ingresos o la investigación clínica [4]. de la toma de decisiones, el cumplimiento de las directrices, el aumento de los ingresos o la investigación clínica [2]-[4].

• Materias:Medicina Lenguaje natural Lenguaje Ingeniería de sistemas Bioingeniería
• Subjects:Medicine Natural language language Systems engineering Bioengineering
• Palabras claves:Registros médicos electrónicos; texto narrativo; procesamiento de lenguaje natural.
• Keywords:Electronic medical records; narrative text; natural language processing.