Anonimización de informes médicos en español basada en el Reconocimiento de Entidades Nombradas (NER)

Abstract

[ES] Las tecnologías de la información y las comunicaciones tienen la finalidad de ayudarnos a recopilar, tratar y distribuir información. Cuando esa información incluye datos personales, la legislación europea en materia de protección de datos personales y su transposición a la legislación española obligan a anonimizar o seudonimizar dichos datos. En este TFG presento el desarrollo de una herramienta de anonimización de la información sensible de pacientes y facultativos en informes médicos, buscando que sea exhaustiva en su cometido pero que preserve la información relevante que no requiera ser objeto de protección. Los informes médicos redactados en lenguaje natural requieren aplicar técnicas de Procesamiento de Lenguaje Natural y, en concreto, de Reconocimiento de Entidades Nombradas.

[EN] Information and communication technologies are intended to help us to collect, process and distribute information. When this information includes personal data, European regulation on the protection of personal data and its transposition into Spanish legislation require such data to be anonymized or pseudonymised. In this TFG I present the development of a tool for anonymizing sensitive data of patients and medical personnel in medical reports, seeking to be exhaustive in its mission but trying to preserve relevant information that does not require protection. Medical reports written in natural language which require applying Natural Language Processing techniques and, specifically, Named Entity Recognition.