Un modelo computacional en Colombia identifica el avance de la artritis reumatoide
El sistema analiza las historias clínicas mediante una extracción de información, que le permite a los prestadores de salud identificar datos relevantes y, de forma más rápida y eficiente, avanzar en el proceso de diagnóstico
Un modelo computacional desarrollado por investigadores colombianos identifica el avance de la artritis reumatoide. En el trabajo que permitió desarrollarlo, se encontró que los 20 términos más frecuentes en una lista de palabras contenidas en 2778 historias clínicas de pacientes con esta enfermedad hacen referencia a fármacos, es decir, a los tratamientos administrados.
Cabe mencionar que el diagnóstico temprano de esta enfermedad es imperativo, debido a que produce erosiones que representan la destrucción del hueso yuxtaarticular y la disminución del espacio articular, que se traduce en la pérdida tanto del cartílago como de la funcionalidad y de la densidad ósea.
Lo que hace el modelo desarrollado en el Laboratorio de Investigación en Sistemas Inteligentes (LISI) de la Universidad Nacional de Colombia (UNAL) es inferir su importancia en el tratamiento, a través de la recuperación de información, la lingüística computacional y el aprendizaje de máquina, áreas de la llamada minería de textos (se extrae información útil e importante de formatos de documentos heterogéneos, como páginas web, correos electrónicos, medios sociales, artículos de revistas, etc.).
Alexander del Risco Morales, magíster en Bioinformática, explica que el sistema analiza las historias clínicas mediante una extracción de información, que le permite a los prestadores de salud identificar datos relevantes y, de forma más rápida y eficiente, avanzar en el proceso de diagnóstico.
Por eso, agrega, “podría convertirse en una herramienta esencial en las cuentas que realiza el Ministerio de Salud y Protección Social (MinSalud), porque la entidad recibe muchos diagnósticos de pacientes que llegan de manera equivocada, y con la clasificación se podría evitar esta situación”.
¿Cómo opera?
El modelo desarrollado analiza el lenguaje natural de las historias clínicas mediante la búsqueda de conceptos, relaciones, frases y oraciones. Intenta determinar el significado real basado en algoritmos de procesamiento de lenguaje natural (NLP), que permite reconocer conceptos similares.
Al desagregar las palabras, el sistema empieza a identificar qué significa cada una de ellas y a qué parte médica hacen referencia. “Entonces, si aparece un término como artritis se etiqueta que es una enfermedad, si aparece cabeza se clasifica como una parte del cuerpo, y si es un fármaco se ubica en la parte de medicamentos y así sucesivamente”, explica el especialista.
Luego, teniendo el listado de palabras, se aplican algoritmos y matrices para evaluar la similitud y se clasifican nuevamente para poder obtener un diagnóstico a partir del análisis de textos. Así, se buscó resaltar las palabras que dieran aproximaciones al diagnóstico o desenlace de la enfermedad.