El proyecto CHRONICextract liderado por el Dr Bernardo Valdivieso Martínez, surge con el objetivo fundamental de mejorar el manejo de pacientes crónicos, inicialmente enfocándose en la diabetes A través del uso de técnicas avanzadas de Machine Learning y Procesamiento del Lenguaje Natural (desarrollar una metodología de trabajo que permita explotar la información de las notas clínicas del Hospital La Fe.

Business application sectors

• Fase de Diseño de Indicadores KPIs Definición y desarrollo de indicadores clave para pacientes diabéticos, con enfoque en el análisis de 40 millones de notas clínicas
• Fase de Anotación Manual Creación de un corpus de entrenamiento mediante anotación manual de notas clínicas y desarrollo de un diccionario de conceptos médicos
• Fase de Desarrollo de Modelos ( Avance en modelos de Machine Learning para el Reconocimiento de Entidades Médicas, logrando un sistema global para extraer información relevante
• Fase de Normalización y Mejora del SADC Normalización de datos al modelo OMOP v 3 0 implementación de nuevos KPIs y mejora del Sistema de Ayuda al Diagnóstico y Cuidado para pacientes diabéticos

Technical advantages and business benefits

• Éxito en el desarrollo de modelos de Machine Learning para el reconocimiento de entidades médicas·
• Normalización exitosa de datos al modelo OMOP v 3 0·
• Integración de nuevos KPIs al SADC para una gestión más precisa del paciente·
• Evaluación positiva en la prueba piloto, demostrando la viabilidad clínica del proyecto·
• Difusión exitosa de resultados a través de estudios de mercado y presentaciones.

State of technology development

Proyecto financiado por la Agencia Valenciana de la Innovación.

CRHNIC extratc – Desarrollo de técnicas de Macgine Learning y Procesamiento del Lenguaje Natural para la extracción de indicadores de informes de pacientes crónicos