Resumen:
|
[ES] En la actualidad, cada vez es más extendido el uso de las nuevas tecnologías
en las ciencias de la vida. En particular, una herramienta que se está empezando a
desarrollar en medicina son los modelos predictivos. ...[+]
[ES] En la actualidad, cada vez es más extendido el uso de las nuevas tecnologías
en las ciencias de la vida. En particular, una herramienta que se está empezando a
desarrollar en medicina son los modelos predictivos. Esto es debido a una mayor
facilidad de acceso a la tecnología que tienen los profesionales de la medicina y a los
prometedores resultados del análisis masivo de datos biomédicos.
La diabetes mellitus es una enfermedad compleja, crónica y generalmente
evolutiva. Debido a la gran cantidad de personas que padecen esta incurable
enfermedad, la diabetes ha derivado en un problema serio de salud pública, siendo
una de las principales causas de muerte en el mundo.
De la búsqueda de información paralela a la proporcionada por los médicos
que los pacientes realizan surgen diferentes fuentes de información como por ejemplo
plataformas de comunicación entre pacientes o incluso las redes sociales. En
concreto, la diabetes se sitúa entre las primeras enfermedades con mayor presencia
en redes sociales. Hoy en día, los profesionales de la salud y las entidades son
conscientes de esta tendencia y se han adaptado divulgando contenido informativo y
educacional entre las diferentes fuentes de internet.
La explotación de estas fuentes de datos no estructuradas de información
relacional masiva permitiría el descubrimiento de factores compuestos asociados a la
evolución de enfermedades de larga duración, como la diabetes, aportando
información complementaria a las historias clínicas asistenciales.
El objetivo de este proyecto es diseñar y desarrollar un módulo que permita la
generación de redes de términos médicos estandarizados a partir de las
conversaciones de foros de pacientes con diabetes. Con dicha red, queremos
caracterizar los elementos más relevantes de la trayectoria clínica de la diabetes
desde el punto de vista de los pacientes, y por lo tanto complementaria a la ruta
asistencial.
Nuestro modelo consiste, básicamente, en una asociación múltiple de los
términos médicos más relevantes y ocurrentes extraídos automáticamente de redes
sociales mediante análisis de lenguaje natural. Dicha relación se ilustra mediante un
grafo ponderado de ocurrencias. Todo esto se basa en vivencias que personas con
diabetes han experimentado a lo largo de su vida como paciente y que, más tarde, han
detallado en diferentes foros para diabéticos.
El impacto del módulo desarrollado es analizar y predecir relaciones entre
factores reportados por pacientes con diabetes, que pueden ser de interés para
anticipar complicaciones en la trayectoria de pacientes con diabetes mellitus.
[-]
[EN] Nowadays, the use of new technologies in the life sciences is becoming more
widespread. In particular, a tool that is beginning to be developed in medicine is
predictive models. This is due to a greater ease of ...[+]
[EN] Nowadays, the use of new technologies in the life sciences is becoming more
widespread. In particular, a tool that is beginning to be developed in medicine is
predictive models. This is due to a greater ease of access to technology that medical
professionals have and to the promising results of the massive analysis of biomedical
data.
Diabetes mellitus is a complex, chronic and generally evolutionary disease. Due
to the large number of people who suffer from this incurable disease, diabetes has led
to a serious public health problem, being one of the leading causes of death in the
world.
From the search for information parallel to that provided by the doctors that the
patients carry out, different sources of information arise, such as communication
platforms between patients or even social networks.
The exploitation of these unstructured data sources of massive relational
information would allow the discovery of compound factors associated with the
evolution of long-lasting diseases, such as diabetes, providing complementary
information to healthcare medical histories.
The objective of this project is to design and develop a module that allows the
generation of networks of standardized medical terms from the conversations of
diabetes patients’ forums. We want to characterize the most relevant elements of the
clinical trajectory of diabetes from the point of view of patients.
Our model basically consists of a multiple association of the most relevant and
occurring medical terms automatically extracted from social networks through natural
language analysis. This relationship is illustrated by a weighted graph of occurrences.
All this is based on experiences that people with diabetes have experienced throughout
their lives as patients and that they have later detailed in different forums for diabetics.
The impact of the module developed is to analyse and predict relationships
between factors reported by patients with diabetes, that may be of interest to anticipate
complications in the trajectory of patients with diabetes mellitus.
[-]
[CA] En l’actualitat, cada vegada és més extens l’ús de les noves tecnologies en les
ciències de la vida. En particular, una ferramenta que s’està començant a
desenvolupar en medicina són els models predictius. Açò és ...[+]
[CA] En l’actualitat, cada vegada és més extens l’ús de les noves tecnologies en les
ciències de la vida. En particular, una ferramenta que s’està començant a
desenvolupar en medicina són els models predictius. Açò és degut a una major facilitat
d’accés a la tecnología que tenen els professionals de la medicina i als prometedors
resultats de l’anàlisi massiu de dades biomèdiques.
La diabetes mellitus es una enfermetat complexa, crónica i generalment
evolutiva. Degut a la gran cantitat de persones que pateixen aquesta incurable
enfermetat, la diabetes ha esdevingut un seriós problema de salut pública, sent una de
les principals causes de mort al món.
De la cerca d’informació paral·lela a la proporcionada pels metges que els
pacients realitzen sorgeixen diferents fonts d’informació, com per exemple plataformes
de comunicació entre pacients o fins i tot les reds socials. Concretament, la diabetes
es situa entre les primeres enfermetats amb major presencia en reds socials. Hui per
hui, els professionals de la salut i les entitats són conscients d’aquesta tendencia i
s’han adaptat divulgant contingut informatiu i educatiu per les diferents fonts d’internet.
L’explotació d’aquestes fonts de dades no estructurades d’informació relacional
massiva permetria el descobriment de factors compostos associats a l’evolució
d’enfermetats de llarga duració, com la diabetes, aportant informació complementària a
les històries clíniques assistencials.
L’objectiu d’aquest projecte és dissenyar i desenvolupar un mòdul que permeta
la generació de xarxes de termes mèdics estandaritzats a partir de les converses de
fòrums per a persones amb diabetes. Amb aquesta xarxa, volem caracteritzar els
elements més rellevants de la trajectòria clínica de la diabetes des del punt de vista
dels pacients, i per tant complemetària a la ruta asistencial.
El nostre model consisteix, bàsicament, en una associació múltiple dels termes
mèdics més rellevants i ocurrents trets automàticament de xarxes socials mitjançant
anàlisi de llenguatge natural. Aquesta relació s’escenifica mitjançant un graf ponderat
d’ocurrències. Tot açò es basa en vivències que persones amb diabetes han
experimentat al llarg de la seua vida com a pacient i que, més tard, han detallat en
diferents fòrums per a diabètics.
L’impacte del mòdul desenvolupat es analitzar i predir relacions entre factors
reportats per pacients amb diabetes, que poden ser d’interés per a anticipar
complicacions en la trajectòria de pacients amb diabetes mellitus.
[-]
|