Terminologia krallinger
•
0 recomendaciones•204 vistas
VII Jornada de Terminología y Traducción Institucional https://ec.europa.eu/spain/events/20180524_8-event-terminology-institutional-translation_es MARTIN KRALLINGER, Unidad de Minería de Datos Biológicos del Centro Nacional de Investigaciones Oncológicas (BSC) Interoperabilidad y minería de datos al servicio de las ciencias biomédicas
Recomendados
Recomendados
Más contenido relacionado
Similar a Terminologia krallinger
Similar a Terminologia krallinger (20)
Más de Martin Krallinger
Más de Martin Krallinger (6)
Último
Último (20)
Terminologia krallinger
- 5. Descrip9on Terminological resources • Registry of linguisEc / terminological resources (368 in total, 103 of medical domain) • Spanish medical abbrevia9on definiEon database (> 34,064 , AbreMES) • Spanish medical term database generated by CUTEXT – automaEc term recogniEon of the medical domain in Spanish from the medical literature, EHRs, etc. • Bilingual medical glossary of for mulEple language pairs (MeSpEN <400 thousand) • Spanish medical controlled vocabularies, ontologies and medical enEty gazeaeers generated by deep learning based medical machine transla9on • Medical Word embeddings generated from Spanish medical corpora Resources and components of preprocessing & linguis9c annota9on • Document standardizaEon sodware that converts PDF files into HTML, TXT or XML files • AutomaEc language recogniEon tool (Spanish- English- Catalan) • Spanish clinical text automaEc sec9onizer • Spanish medical spellchecker component • Spanish medical text tokeniza9on component • Spanish medical sentence spliIng component • Spanish medical Part-of-speech labelling (grammaEcal label) component • Spanish medical word lemma9zer component Medical concept recogni9on and seman9c tagging • GazeMeer-lookup: System of recogniEon of terms from a terminology (tested with Snomed, adaptaEon of GATE • Automa9c Term recogni9on (ATR): a system called CUTEXT for the recogniEon of terms using linguisEc-staEsEcal standards • PharmaCONER Tagger: deep learning based system for detec9ng drugs, chemical compounds and genes in clinical texts • Time expression enEty recogniEon system HeidelTime grammar for temporal tagging of Spanish Electronic Health Records hMps://zenodo.org/communi9es/medicalnlp hMps://github.com/PlanTL-SANIDAD Recursos PLN biomédico y clínico generado por el Plan TL (1)
- 6. Descrip9on Clinical concept modifier recogni9on • RecogniEon of nega9ons, adaptaEon of NegEex • RecogniEon of expressions of clinical certainty • Negated term recogniEon (TENTES) Other resources • System of calculaEon of similarity of medical texts and / or to find similar cases (incl. text clustering): whole documents and sentence level • Medical Machine transla9on system (phrase-based and deep-learning based) • Medical Text annotaEon and corpus labeling system (AdaptaEon of AnnotateIt & BRAT) • AutomaEc term mapping & grounding using lexical similarity scores and ontology mapping • AnnotaEon and evalua9on plaXorm for shared tasks (BeCalm – Markyt with Uni. Vigo) Annotated corpora & annota9on schema • Corpus and annotaEon schema for drugs, chemical compounds, genes/proteins (PharmaCoNER) • Corpus and annotaEon schema for abbreviaEons and definiEon pair annotaEons (BARR1) • Corpus and annotaEon schema for abbreviaEons resoluEon and normalizaEon to SNOMED-CT (BARR2) • Corpus and annotaEon schema for sensiEve protected health informaEon enEty menEons (MEDDOCAN) • Corpus for manually annotated clinical coding with CIE10 together with annotaEon evidence text labels • Corpus for manually annotated clinical enEty menEons and their mapping to SNOMED-CT for: diseases, treatments, drugs, symptoms and procedures • Corpus for manually annotated enEty menEons and their relaEons: drug-drug target relaEons (English – ChemProt) hMps://zenodo.org/communi9es/medicalnlp Recursos PLN biomédico y clínico generado por el Plan TL (2)
- 7. Módulos integrados • Conversión a minúsculas. • Conversión al lema. • Separación de signos y números. • Eliminación de Eldes. • Expansión de acrónimos. • SusEtución de caracteres extraños. • SusEtución de palabras por su sinónimo más común. • Modificador: Negación • Modificador: conjunciones • Modificador certeza clínica • Calculo de similitud textual CUTEX – reconocimiento de términos y mapeo a CIE10, SNOMED-CT, UMLS haps://github.com/PlanTL-SANIDAD/CUTEXT Reconocimiento automáEco de términos
- 15. Chung-Chi Huang, and Zhiyong Lu Brief Bioinform 2015;bib.bbv024 Tareas compeEEvas y campañas de evaluación dominio biomédico y clínico
- 16. 16 Chung-Chi Huang, and Zhiyong Lu Brief Bioinform 2015;bib.bbv024 Tareas compeEEvas y campañas de evaluación fases
- 17. Tarea Corpus URL MEDDOCAN (IberLEF) Tarea relacionada con reconocimiento de enEdades nombradas de información sensible (Protected Health InformaEon –PHI). Subtareas de reconocimiento y clasificación de menciones, subtareas de ofuscación de información sensible • Guías de anotación • EEqueta manual • Evaluación de calidad • Formato BRAT y i2b2 • AnnotateIt, BRAT • Expertos dominio • Casos clínicos hMp://temu.bsc.es/meddocan PHARMACONER (BioNLP-OST) Tarea relacionada con reconocimiento de enEdades nombradas Epo: compuestos químicos, fármacos, proteínas. Subtareas de reconocimiento y clasificación de menciones, subtareas de indización con conceptos SNOMED CT de sustancias • Guías de anotación • EEqueta manual • Evaluación de calidad • Formato BRAT • AnnotateIt, BRAT • Expertos dominio • Casos clínicos hMp://temu.bsc.es/ pharmaconer/ WMT19 Shared Task: Biomedical Transla9on Task Sub-tarea relacionada con traducción automá9ca de términos médicos Español/ inglés (ambas direcciones) centrada en términos de relevancia clínica tales, en especial trastornos y enfermedades y conceptos de UMLS • Guías de traducción • Traducción manual • Evaluación de calidad • Formato TSV • Expertos traductores dominio médico • EHR, Casos clínicos hMp://www.statmt.org/ wmt19/biomedical- transla9on-task.html Tareas compeEEvas Plan TL (1)
- 18. Tarea Corpus URL BioASQ Español Tarea relacionada con indización automáEca de la literatura médica en español con términos DeCS (Descriptores en Ciencias de la Salud). • Guías de indización • Evaluación de calidad • Formato BioASQ JSON • Expertos indización • Literatura medica hMp://bioasq.org/ MedTermMap Subtareas HPO Español y Inglés (LOUHI) Tarea relacionada con mapeo automáEco de términos a conceptos en vocabularios controlados de la ontología HPO (Human Phenotype Ontology) versión en inglés y versión traducida a español. • Guías de mapeo • Evaluación de calidad • Formato TSV y JSON • Expertos en terminología medica y fenoEpos clínicos • EHR, Casos clínicos, terminologías internas hMps://louhi2019.dk.eu MedTermMap Subtarea SNOMED CT Español (LOUHI) Tarea relacionada con mapeo automáEco de términos a conceptos en vocabularios controlados de la ontología SNOMED CT versión en español. • Guías de mapeo • Evaluación de calidad • Formato TSV y JSON • Expertos en terminología medica y fenoEpos clínicos • EHR, Casos clínicos, terminologías internas hMps://louhi2019.dk.eu Tareas compeEEvas Plan TL (2)
- 19. Tarea PharmCoNER (BioNLP) T1 NORMALIZABLES 2548 2554 aminas #1 AnnotatorNotes T1 43201005 T2 NORMALIZABLES 2223 2234 Gentamicina #2 AnnotatorNotes T2 387321007 T3 NORMALIZABLES 2208 2220 Clindamicina #3 AnnotatorNotes T3 372786004 T4 PROTEINAS 2034 2048 tromboplastina #4 AnnotatorNotes T4 387124009 T5 PROTEINAS 1993 2004 protrombina #5 AnnotatorNotes T5 7348004 T6 NORMALIZABLES 1866 1870 urea #6 AnnotatorNotes T6 387092000 T7 NORMALIZABLES 1827 1837 creatinina #7 AnnotatorNotes T7 15373003 T8 NORMALIZABLES 1477 1491 Ciprofloxacino #8 AnnotatorNotes T8 372840008 T9 NORMALIZABLES 1435 1445 Furosemida #9 AnnotatorNotes T9 387475002 T11 PROTEINAS 1029 1032 GOT #10 AnnotatorNotes T11 26091008 T12 PROTEINAS 1016 1019 GPT #11 AnnotatorNotes T12 56935002 T13 PROTEINAS 1003 1006 CPK #12 AnnotatorNotes T13 75828004 T14 PROTEINAS 989 992 LDH #13 AnnotatorNotes T14 259319003 T15 PROTEINAS 960 977 Proteinas totales #14 AnnotatorNotes T15 395835001 T16 NORMALIZABLES 948 949 K #15 AnnotatorNotes T16 88480006 T17 NORMALIZABLES 934 936 Na #16 AnnotatorNotes T17 39972003 T18 NORMALIZABLES 914 924 Creatinina #17 AnnotatorNotes T18 15373003 T19 NORMALIZABLES 897 901 Urea #18 AnnotatorNotes T19 387092000 T20 PROTEINAS 873 882 Dimeros D #19 AnnotatorNotes T20 25607008 T21 PROTEINAS 758 769 Hemoglobina #20 AnnotatorNotes T21 38082009 T22 UNCLEAR 72 79 alcohol #21 AnnotatorNotes T22 53041004 T23 NORMALIZABLES 36 46 Penicilina #22 AnnotatorNotes T23 323389000 haps://2019.bionlp-ost.org/tasks Reconocimiento de medicamentos/ fármacos, compuestos químicos y acunas
- 22. 22 • SINTOMA • ENFERMEDAD • PROCEDIMIENTO_DIAGNOSTICO • PROCEDIMIENTO_TERAPEUTICO • FARMACO Anotación de términos SNOMED-CT en texto
- 23. Agradecimientos • Martin Krallinger • Marta Villegas • Jesús Santamaría • Ander Intxaurrondo • Aitor Gonzalez • Obdulia Rabal • Julen Oyarzabal David Perez ! • Analia Lourenço • Martin Perez Perez • Gael Perez Rodriguez • Florentino Fernández Riverola • Alfonso Valencia • Montse Marimon • Felipe Soares • AQuAS (Miguel Gallofre López) • AEMPS-BIFAP (Julio Bonis Sanz) • AEMPS-FTM (JM Simarro) • FID-Salud/MSSSI (Elena García) • FISEVI/Hosp. Virgen del Rocio (Carlos Parra) • Hospital 12 de Octubre (Pablo Serrano) • IBECS/Carlos III (Elena Primo) • Informática Médica Hosp. Clínic (Raimundo Lozano) • MSSSI (Maribel García Fajardo) • RANM (Cristina V. González) • BioCreative organizers • Cecilia Arighi (Uni. Delaware) • Lynette Hirschman (MITRE)
- 26. PHARMACONER: Drug and chemical compounds in clinical texts T1 NORMALIZABLES 2548 2554 aminas #1 AnnotatorNotes T1 43201005 T2 NORMALIZABLES 2223 2234 Gentamicina #2 AnnotatorNotes T2 387321007 T3 NORMALIZABLES 2208 2220 Clindamicina #3 AnnotatorNotes T3 372786004 T4 PROTEINAS 2034 2048 tromboplastina #4 AnnotatorNotes T4 387124009 T5 PROTEINAS 1993 2004 protrombina #5 AnnotatorNotes T5 7348004 T6 NORMALIZABLES 1866 1870 urea #6 AnnotatorNotes T6 387092000 T7 NORMALIZABLES 1827 1837 creatinina #7 AnnotatorNotes T7 15373003 T8 NORMALIZABLES 1477 1491 Ciprofloxacino #8 AnnotatorNotes T8 372840008 T9 NORMALIZABLES 1435 1445 Furosemida #9 AnnotatorNotes T9 387475002 T11 PROTEINAS 1029 1032 GOT #10 AnnotatorNotes T11 26091008 T12 PROTEINAS 1016 1019 GPT #11 AnnotatorNotes T12 56935002 T13 PROTEINAS 1003 1006 CPK #12 AnnotatorNotes T13 75828004 T14 PROTEINAS 989 992 LDH #13 AnnotatorNotes T14 259319003 T15 PROTEINAS 960 977 Proteinas totales #14 AnnotatorNotes T15 395835001 T16 NORMALIZABLES 948 949 K #15 AnnotatorNotes T16 88480006 T17 NORMALIZABLES 934 936 Na #16 AnnotatorNotes T17 39972003 T18 NORMALIZABLES 914 924 Creatinina #17 AnnotatorNotes T18 15373003 T19 NORMALIZABLES 897 901 Urea #18 AnnotatorNotes T19 387092000 T20 PROTEINAS 873 882 Dimeros D #19 AnnotatorNotes T20 25607008 T21 PROTEINAS 758 769 Hemoglobina #20 AnnotatorNotes T21 38082009 T22 UNCLEAR 72 79 alcohol #21 AnnotatorNotes T22 53041004 T23 NORMALIZABLES 36 46 Penicilina #22 AnnotatorNotes T23 323389000Labelled Clinical Data – Training and quality evalua9on For language technologies hap://temu.bsc.es/pharmaconer/
- 27. Interfaz de anotaciones Markyt 27 Abbreviation recognition and annotation in clinical texts hap://temu.bsc.es/BARR2/
- 29. Clinical text pre-processing: sec9onizer hMps://zenodo.org/communi9es/medicalnlp Normalizer? • Some variables are context dependent (they are only relevant provided they are in a specific section) • Need zoning to discriminate variables by context • Zones (sections) differ (in name, number, …) • Section identification by string matching and format HTML tags V1 V2 V3 V4 Set of variables
- 32. SpacTes infrastructure for clinical text Processing (Spanish & Catalan)
- 33. Text mining systems based on AI And machine learning
- 34. Use of AI for text mining 0 0 0 1 1 1 0 beginning capital letter digits only digits alpha-numeric characters only capital letters and digits no lowercase letters all capital letters capital letter(s) which is not the first letter two consecutive capital letters a Greek word as a sub-string period hyphen slash Contain only alphanumeric character(s) Contain no lower letters 0 1 0 0 0 0 1 0 Orthographic features - boolean features chunk features POS features dictionary features lemma features word features aaA_11a aA_1a mi-prefix word pattern El FOXQ1 se asoció a metástasis y a mal pronósEco del cáncer de pulmón, por lo que la introducción de miR-21a para disminuir el FOXQ1 debería inhibir la migración y la invasión de células de cáncer de pulmón.
- 35. hMps://zenodo.org/communi9es/medicalnlp Genera9on of terminological resources: medical en9ty recogni9on and machine transla9on 3) Train NMT system + translate corpus + NER + alignment Use the MeSpEN to enrich UMLS automaEcally, that is to generate candidate term pairs in Spanish, both suggesEng new terms or synonyms of already exisEng ones. 298,040 (en-es) PubMed 9tles 1. IdenEfy UMLS terms in the English Etles using cTakes. 2. Align the words of the Etles in English to the words of the Etles in Spanish (Giza++) 3. Using the previous alignment we detect the terms in the Etles in English, and we assigned them to their corresponding candidate terms in Spanish. 1) en NER + en-es alignment Ini9al evalua9on: a sample set of 200 candidate terms were manually validated by a domain expert. • 47% were correct translaEons, • 22% corresponded to either a more general term or more narrow term (hypernym/hyponym). • the remaining pairs were either substrings of the correct translaEon or wrong translaEons. The average validaEon Eme per term was of just 2.03 seconds, using the MyMiner annotaEon tool. 2) Train NMT system + translate UMLS terms Use a NMT system trained with medical corpus (Scielo EN-ES corpus) and use it to translate all the UMLS terms. 1. Use DNorm to get all disease menEons in the EN corpus. 2. Translate EN menEons into ES. No evaluaEon yet (we are organising a manul evaluaEon.) Train a NMT system with the Scielo EN-ES corpus Spanish clinical cases corpus (extracted from 5,000 clinical cases arEcles) 1. Translate the Spanish clinical cases corpus into English. 2. IdenEfy UMLS terms in English texts using cTakes. 3. Align the words of the texts in English to the words of the texts in Spanish (Giza++) 4. Using the alignment we detected the terms in the texts in English, and we assigned them to their corresponding candidate terms in Spanish.
- 37. Caracterís9cas de los datos de la HCE • Información personal, sensible. • Frecuente el uso de información personal fuera de los campos de idenEficación del paciente. • Errores ortográficos • Uso de acrónimos y abreviaturas no estandarizados, “polimórficos” y en varios idiomas - Ambigüedad (p.e. IR – Insuficiencia renal? Insuficiencia respiratoria? Infección respiratoria?) • Aserciones - Negaciones – muy frecuentes, diagnósEco diferencial - No-certeza / especulación (probable, posible, dudosa, “no creo que”, “sugiere”, “no descarto” …) • Frases incompletas, frecuentemente sin sujeto o incluso sin verbo (“No fiebre”) • Sobre-uso del “corta-pega”
- 43. Componentes para Bio-NLP (2): Corpora • Extracción de en9dades (general) • Extracción de en9dades (biológicas) • Extracción de eventos y relaciones • Normalización de en9dades
- 46. Agenda • Del “Big Data” al “Big Knowledge” • Los datos no estructurados en Medicina y la tecnología de procesamiento del lenguaje natural (BioNLP) • Ejemplos de uso de BioNLP en la HCE • Plan Estatal de desarrollo de BioNLP
- 48. 48 Clinical en9ty men9on annota9on & Grounding to SNOMED-CT • SINTOMA • ENFERMEDAD • PROCEDIMIENTO_DIAGNOSTICO • PROCEDIMIENTO_TERAPEUTICO • FARMACO M Krallinger. InnovaEve IT for Healthcare – ONCONET-SUDOE workshop 2019
- 49. 49 Clinical en9ty men9on annota9on & Grounding to SNOMED-CT • SINTOMA • ENFERMEDAD • PROCEDIMIENTO_DIAGNOSTICO • PROCEDIMIENTO_TERAPEUTICO • FARMACO M Krallinger. InnovaEve IT for Healthcare – ONCONET-SUDOE workshop 2019
- 50. “Big Data” en Biomedicina • El tamaño medio de la información biomédica por paciente varía entre 200 Gb y 4 Tb • Con unos pocos miles de individuos el tamaño alcanzaría los petabytes • En el 2012 los datos mundiales de salud se esEmaron 500 Pb y la predicción es que en 2020 alcancen los 25000 Pb • Como transformar los datos en conocimiento? haps://www-01.ibm.com/events/wwe/grp/grp309.nsf/vLookupPDFs/Alejandro%20Rodriguez%20Big%20Data%20en%20Salud/$file/Alejandro %20Rodriguez%20Big%20Data%20en%20Salud.pdf
- 61. Formatos y esquemas de anotación en PLN Principales formatos y esquemas de anotación en PLN con especial énfasis en los usados en el dominio biomédico Modelo Dominio Formato de serializacion API Tipo
- 64. Open Biological and Biomedical Ontology (OBO) Annotated text corpora or datasets Real-world use cases Text mining building blocks for medical data Community- wide evaluations 1. Scope Types of medical data Tools/ontology/ resources for medical text mining a. Clinical data (medical records) b. Clinical trials c. Drug adverse events d. Social media e. Patents f. Combinations (of above) a. Entity types b. Relation types c. Special challenges: acronyms, medical jargon, telegraphic syntax, semi- structured records a. Clinical corpus creation: guidelines, selection, scope, structure, document standardisation, corpus types/size, access barriers b. Annotation format, tools/frameworks, assessments c. Available corpora/ tools a. Resources: pre- processing, NER (medical entity annotation), NLP (syntax & semantics) b. Ontologies, lexical resources, medical concepts c. EHR derived verbatim lists, terminologies, NE a. BioCreative b. i2b2 c. Medical TREC d. CLEF eHeatlh a. Specific examples of the application of ontologies and literature mining to identify diagnostics/ therapies for disease b. Links between bio-text mining and clinical text mining: focus genomic components, genotype/phenotype 2. Building blocks 3. Data/corpora 4. Resources 5. Evaluations 6. Use cases TOPIC AREAS
- 66. Convenios – Faro Sanidad En9ty Use Cases FISEVI/SAS Cardiovascular disease risk, Stop-Start rules, do-not-do rules, colorectal cancer AEMPS Pharmaco-epidemiology, adverse drug related events, semanEc labeling system of drug fact sheets AQuAS Discharge summaries – stroke assist in quality assessment of treatments En9ty Use Cases Hospital Son Espases Nosocimial infecEons and adverse events due to hospital stays Hospital Clinic Modelling of retroviral metabolism, automaEc coding of primary care (health problems – derivaEon to specialists) InsEtuto Aragonés de Ciencias de la Salud QuesEon Answering system based on clinical pracEce guidelines, semanEc indexing engine using controlled vocabularies En9ty Use Cases Hospital XII de Octubre ObservaEons mental health, decision support – anEbioEcs treatments, paEent complaint analysis InsEtuto de Salud Carlos III Indexing and semanEc classificaEon of open health data (literature)
- 68. Tipos de recursos de terminología biomédica • Lista de términos: conjunto de términos que representan de forma sintéEca enEdades, no se representan relaciones • Taxonomía: lista de términos organizados en un esquema jerárquico y por tanto, en categorías y subcategoría • Tesauro – Taxonomía complementada con relaciones entre los términos - Relaciones de sinonimia o preferencia: entre el término preferido (TP) o descriptor y el término no preferido (TNP). - Relaciones jerárquicas de Epo parEEvo (todo-parte) o clase-subclase; entre términos más amplios (TA) y más específicos (TE) - Relaciones asociaEvas: entre términos relacionados de forma pragmáEca, es decir, no de forma jerárquica ni de sinonímia • Ontologías: pueden construirse a parEr de Tesauros, codificados en un formato que pueda procesar un programa de sodware, en concreto un programa que pueda realizar inferencias. Para ello, debe estar enteramente basada en lógica formal haps://www.lluiscodina.com/taxonomias-ontologias/
- 69. Interoperabilidad de PLN en Biomedicina ● Interoperabilidad de metadatos: metadatos para describir tanto datos como componentes. • Metadatos específicos para describir publicaciones ciennficas, historia clínica electrónica, corpus anotados y vocabularios u otras fuentes de conocimiento • Componentes o herramientas se describen también con metadatos propios. • Metadatos facilitan la interoperabilidad, puesto que se han definido estándares de metadatos y existen protocolos comparEdos para el intercambio de esta información. ● Interoperabilidad de los datos: la interoperabilidad de los datos incluye la interoperabilidad sintácEca (todo aquello que Eene que ver con el formato uElizado) y la interoperabilidad semánEca (o las anotaciones). ● Interoperabilidad entre componentes: los componentes de PLN no actúan de forma aislada, sino que suelen formar parte de cadenas de procesamiento en los que intervienen varios componentes. ● Interoperabilidad legal: desde el punto de vista legal, es clave que a la hora de integrar y construir flujos de procesamiento, integrando disEntas componentes, las componentes entre sí no tengan incompaEbilidad relacionadas con las licencias asociadas a ellas. ● Interoperabilidad organiza9va: en el ámbito de salud, también Eene dimensiones relacionadas con criterios de políEcas de uso, aspectos organizaEvos desde el punto de vista social, de seguridad, privacidad y gesEón de recursos en el contexto de insEtuciones sanitarias.
- 70. Open Biological and Biomedical Ontology (OBO) Pathological Process Molecular Process Biological Process Process Event Artificial Process Nucleic Acid Sequence Cell Organ Organism Biological Molecule Amino Acid Sequence Biological Sequence Protein Gene Chemical Substance Tissue Object Subcellular Structure Human Being Physical Location Chemical Molecule Biological Substance Virus Unicellular Organism Multicellular Organism Atom Annotation TargetBody* ObjectEvent Concept Concept Organization Scientific Finding Language Clinical Symptom Classification Scientific Discipline Linguistic Concept Collocation Coreference Word Sense Phrase Structure Phonology Token
- 72. Clinical Text Mining : Scenario for English
- 75. Formatos y esquemas de anotación en PLN Principales formatos y esquemas de anotación en PLN con especial énfasis en los usados en el dominio biomédico Modelo Dominio Formato de serializacion API Tipo
- 77. The Plan TL aims to promote the development of NLP and machine translation in Spanish and Spain’s co-official languages. The Plan for the Advancement of Language Technology (Plan TL) aims to promote development of NLP and machine translaEon in Spanish and Spain’s co-official languages. One of the flagship projects of the Plan TL is related to Healthcare and Biomedical domain. • Increase the amount, quality and availability of linguis9c infrastructure. • Transfer knowledge from the research field to the industry. • Improving the quality and capacity of public services, integraEng NLP and machine translaEon technologies. IdenEfy use cases in public administra9on Corpora • Bilingual corpora (MeSpEN) • Clinical cases corpus (SPACC): chemicals, drugs, genes, diseases, treatments, symptoms, abbreviations, procedures • Medical literature corpus Terminological resources • CUTEXT: medical term recognition (incl. negation & certainty, UMLS mapping) • Medical Bilingual glossary, abbreviation- definition pairs Components • Medical tokenizer, sentence splitter, lemmatizer, PoS tagger, clincal sectionizer, HeidelTime adap. NegEx adapt. Evalua9on campaigns • Spanish medical abbreviations (IberEval2017, 2018): BARR (abstracts), BARR2 (clinical cases) • De-identification Spanish (IberLEF 2019): MEDOCCAN • Indexing articles using DeCS-MeSH • Apply NLP to allow for new services Libraries • Secondary use of EHR: • ICD 10 codification • Anonymization R&D funding agencies … AEMPS • Technological supervision and competitive intelligence: tools for strategic decision-making • Access to resources and services to be integrated in their portfolio • Pharmacoepidemiology studies Plan for the Advancement of Language Technology hMp://temu.bsc.es
- 80. Clinical Data 80% 20% 80% of health data “locked” in unstructured text Structured Numerical, Coded Health Information Unstructured text: Clinical narrative Informa1on source for: • clinical decision support • paEent cohort straEficaEon • disease/adverse drug event surveillance • populaEon health management • etc.. Galician health system: 200.000 clinical notes per day Transforming clinical text wriMen by healthcare professionals into structured clinical data representa9ons