Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning
RESUMEN: Los textos resumen de una consulta, encuentro o seguimiento médico sirven para dar contexto de la historia clínica del paciente pues dan cuenta de datos importantes como: información general del paciente, antecedentes, medicamentos y otros hallazgos de la consulta. En este proyecto se prese...
- Autores:
-
Fernández Madrid, Luisa Fernanda
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/15955
- Acceso en línea:
- http://hdl.handle.net/10495/15955
- Palabra clave:
- Algoritmo
Algorithms
Lenguaje de programación
Computer languages
Centro médico
Medical centres
Paciente
Patients
Base de datos
Databases
Procesamiento del lenguaje natural
http://vocabularies.unesco.org/thesaurus/concept2024
http://vocabularies.unesco.org/thesaurus/concept6007
http://vocabularies.unesco.org/thesaurus/concept4895
http://vocabularies.unesco.org/thesaurus/concept11776
http://vocabularies.unesco.org/thesaurus/concept501
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
id |
UDEA2_2bf64b1040ca533b494e77367ab15344 |
---|---|
oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/15955 |
network_acronym_str |
UDEA2 |
network_name_str |
Repositorio UdeA |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning |
title |
Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning |
spellingShingle |
Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning Algoritmo Algorithms Lenguaje de programación Computer languages Centro médico Medical centres Paciente Patients Base de datos Databases Procesamiento del lenguaje natural http://vocabularies.unesco.org/thesaurus/concept2024 http://vocabularies.unesco.org/thesaurus/concept6007 http://vocabularies.unesco.org/thesaurus/concept4895 http://vocabularies.unesco.org/thesaurus/concept11776 http://vocabularies.unesco.org/thesaurus/concept501 |
title_short |
Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning |
title_full |
Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning |
title_fullStr |
Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning |
title_full_unstemmed |
Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning |
title_sort |
Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine Learning |
dc.creator.fl_str_mv |
Fernández Madrid, Luisa Fernanda |
dc.contributor.advisor.none.fl_str_mv |
Gallego Londoño, Jonathan Niebles Reyes, María Camila |
dc.contributor.author.none.fl_str_mv |
Fernández Madrid, Luisa Fernanda |
dc.subject.unesco.none.fl_str_mv |
Algoritmo Algorithms Lenguaje de programación Computer languages Centro médico Medical centres Paciente Patients Base de datos Databases |
topic |
Algoritmo Algorithms Lenguaje de programación Computer languages Centro médico Medical centres Paciente Patients Base de datos Databases Procesamiento del lenguaje natural http://vocabularies.unesco.org/thesaurus/concept2024 http://vocabularies.unesco.org/thesaurus/concept6007 http://vocabularies.unesco.org/thesaurus/concept4895 http://vocabularies.unesco.org/thesaurus/concept11776 http://vocabularies.unesco.org/thesaurus/concept501 |
dc.subject.proposal.spa.fl_str_mv |
Procesamiento del lenguaje natural |
dc.subject.unescouri.none.fl_str_mv |
http://vocabularies.unesco.org/thesaurus/concept2024 http://vocabularies.unesco.org/thesaurus/concept6007 http://vocabularies.unesco.org/thesaurus/concept4895 http://vocabularies.unesco.org/thesaurus/concept11776 http://vocabularies.unesco.org/thesaurus/concept501 |
description |
RESUMEN: Los textos resumen de una consulta, encuentro o seguimiento médico sirven para dar contexto de la historia clínica del paciente pues dan cuenta de datos importantes como: información general del paciente, antecedentes, medicamentos y otros hallazgos de la consulta. En este proyecto se presenta un algoritmo desarrollado por el departamento de T.I de la I.P.S Neumomed S.A.S para suplir la necesidad de generar en tiempo real el texto resumen de un encuentro médico. Para la creación de esta funcionalidad se identificaron los siguientes requerimientos: el algoritmo debe generar un texto resumen introductorio del paciente que contenga la información general de este y del último encuentro médico del paciente, debe recibir variables con información clínica del paciente y generar un texto resumen, debe ser escalable y fácilmente implementable en cualquier cliente de la I.P.S. Para cumplir con los requerimientos expresados anteriormente, se construyó un modelo supervisado de machine learning tipo árbol de decisiones, que cuenta una fase de entrenamiento y otra de implementación, para la generación automatizada de textos implementando técnicas de procesamiento de lenguaje natural. El modelo generado se validó mediante técnicas de regresión logística y análisis típicos de algoritmos de inteligencia artificial con base en la matriz de confusión y la medición de exactitud (accuracy). De igual manera se evalúo la calidad del texto generado por medio de revisiones manuales y automatizadas, para garantizar la legibilidad, orden, coherencia y buena ortografía del mismo, finalmente se realizaron validaciones de seguridad y desempeño del algoritmo. |
publishDate |
2020 |
dc.date.accessioned.none.fl_str_mv |
2020-08-03T13:10:35Z |
dc.date.available.none.fl_str_mv |
2020-08-03T13:10:35Z |
dc.date.issued.none.fl_str_mv |
2020 |
dc.type.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
dc.type.hasversion.spa.fl_str_mv |
info:eu-repo/semantics/draft |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
draft |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10495/15955 |
url |
http://hdl.handle.net/10495/15955 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
dc.rights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
dc.rights.accessrights.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.creativecommons.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ http://purl.org/coar/access_right/c_abf2 https://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.extent.spa.fl_str_mv |
32 |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
institution |
Universidad de Antioquia |
bitstream.url.fl_str_mv |
http://bibliotecadigital.udea.edu.co/bitstream/10495/15955/5/license.txt http://bibliotecadigital.udea.edu.co/bitstream/10495/15955/4/license_rdf http://bibliotecadigital.udea.edu.co/bitstream/10495/15955/3/FernandezLuisa_2020_ProcesamientoLenguajeNatural.pdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 b88b088d9957e670ce3b3fbe2eedbc13 96c1ed14f2ce5c1f4e398a1c969deb68 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad de Antioquia |
repository.mail.fl_str_mv |
andres.perez@udea.edu.co |
_version_ |
1812173211432910848 |
spelling |
Gallego Londoño, JonathanNiebles Reyes, María CamilaFernández Madrid, Luisa Fernanda2020-08-03T13:10:35Z2020-08-03T13:10:35Z2020http://hdl.handle.net/10495/15955RESUMEN: Los textos resumen de una consulta, encuentro o seguimiento médico sirven para dar contexto de la historia clínica del paciente pues dan cuenta de datos importantes como: información general del paciente, antecedentes, medicamentos y otros hallazgos de la consulta. En este proyecto se presenta un algoritmo desarrollado por el departamento de T.I de la I.P.S Neumomed S.A.S para suplir la necesidad de generar en tiempo real el texto resumen de un encuentro médico. Para la creación de esta funcionalidad se identificaron los siguientes requerimientos: el algoritmo debe generar un texto resumen introductorio del paciente que contenga la información general de este y del último encuentro médico del paciente, debe recibir variables con información clínica del paciente y generar un texto resumen, debe ser escalable y fácilmente implementable en cualquier cliente de la I.P.S. Para cumplir con los requerimientos expresados anteriormente, se construyó un modelo supervisado de machine learning tipo árbol de decisiones, que cuenta una fase de entrenamiento y otra de implementación, para la generación automatizada de textos implementando técnicas de procesamiento de lenguaje natural. El modelo generado se validó mediante técnicas de regresión logística y análisis típicos de algoritmos de inteligencia artificial con base en la matriz de confusión y la medición de exactitud (accuracy). De igual manera se evalúo la calidad del texto generado por medio de revisiones manuales y automatizadas, para garantizar la legibilidad, orden, coherencia y buena ortografía del mismo, finalmente se realizaron validaciones de seguridad y desempeño del algoritmo.ABSTRACT: The electronic medical record serves to give context to the patient's medical history, since they account for important data such as: general patient information, history, medications and other findings of the consultation. This project presents an algorithm developed by the T.I department of Neumomed S.A.S to supply the need to generate medical record in real time. To create this functionality, the following requirements were identified: the algorithm must generate an introductory text about the patient, it must contain general information of this and the patient's last medical meeting, must receive variables with the patient's clinical information and generate a text summary, it must be scalable and easily deployable in any client. To accomplish the requirements expressed above, a supervised decision tree machine learning model was built, it includes a training phase and an implementation phase that implement natural language processing techniques. The generated model was validated using logistic regression techniques and was analysed based on the confusion matrix and the accuracy measurement. In the same way, the quality of the generated text was evaluated through manual and automated revisions, to guarantee its legibility, order, coherence, and good spelling. Finally, security and performance validations were carried.32application/pdfspainfo:eu-repo/semantics/draftinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttps://purl.org/redcol/resource_type/TPTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bcceAtribución-NoComercial-SinDerivadas 2.5 Colombiainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-nd/4.0/Diseño e implementación de algoritmos de procesamiento de lenguaje natural para automatizar la construcción de resúmenes de consultas médicas en la IPS Neumomed S.A.S. mediante técnicas de Machine LearningMedellín, ColombiaAlgoritmoAlgorithmsLenguaje de programaciónComputer languagesCentro médicoMedical centresPacientePatientsBase de datosDatabasesProcesamiento del lenguaje naturalhttp://vocabularies.unesco.org/thesaurus/concept2024http://vocabularies.unesco.org/thesaurus/concept6007http://vocabularies.unesco.org/thesaurus/concept4895http://vocabularies.unesco.org/thesaurus/concept11776http://vocabularies.unesco.org/thesaurus/concept501BioingenieraPregradoFacultad de Ingeniería. Carrera de BioingenieríaUniversidad de AntioquiaLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bibliotecadigital.udea.edu.co/bitstream/10495/15955/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8823http://bibliotecadigital.udea.edu.co/bitstream/10495/15955/4/license_rdfb88b088d9957e670ce3b3fbe2eedbc13MD54ORIGINALFernandezLuisa_2020_ProcesamientoLenguajeNatural.pdfFernandezLuisa_2020_ProcesamientoLenguajeNatural.pdfTrabajo de grado de pregradoapplication/pdf1922544http://bibliotecadigital.udea.edu.co/bitstream/10495/15955/3/FernandezLuisa_2020_ProcesamientoLenguajeNatural.pdf96c1ed14f2ce5c1f4e398a1c969deb68MD5310495/15955oai:bibliotecadigital.udea.edu.co:10495/159552021-06-24 16:48:30.613Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.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 |