Sistema para análisis y sustitución de abreviaturas en dominios médicos

Abstract

En el ámbito de la salud, la transición hacia registros médicos digitales ha superado las deficiencias inherentes a los formatos en papel, facilitando un acceso expedito a la información del paciente. No obstante, se postula que el valor intrínseco de estos registros reside en su potencial para un análisis inteligente, susceptible de mejorar la calidad de la atención médica, la realización de estudios estadísticos robustos y el soporte a la toma de decisiones clínicas informadas. Un obstáculo significativo para el procesamiento eficiente de esta información médica radica en la carencia de normalización en los textos, caracterizada por la presencia de errores tipográficos y ortográficos, así como el uso extendido de abreviaturas no estandarizadas. Esta heterogeneidad dificulta el análisis automatizado, limitando la explotación del potencial inherente a los datos clínicos disponibles. En respuesta a este desafío, el presente trabajo propone el desarrollo de una herramienta basada en técnicas de aprendizaje profundo (deep learning) para la identificación y normalización de abreviaturas en textos médicos. El objetivo general de esta investigación es optimizar las evoluciones digitales de los pacientes mediante la detección y reemplazo de abreviaturas, enriqueciendo su contexto para su posterior integración en sistemas de registros electrónicos y análisis de datos clínicos.