Por Raed Abib Habib<\/p>\n
La industria de la salud ha comenzado a adoptar el poder de Big Data, el c\u00f3mputo en la nube y el an\u00e1lisis cl\u00ednico, y aprovecha los datos para brindar informaci\u00f3n que puede mejorar la atenci\u00f3n y la eficiencia. Aun as\u00ed, el texto no estructurado se mantiene como un desaf\u00edo, que se vuelve a\u00fan m\u00e1s complejo debido a las barreras del idioma. Las notas de los m\u00e9dicos y otros textos no estructurados a menudo se dejan sin referencias, son dif\u00edciles de analizar y aprender, y es dif\u00edcil extraer informaci\u00f3n, lo que conduce a la p\u00e9rdida de oportunidades para el diagn\u00f3stico y una mejor atenci\u00f3n.<\/p>\n
Microsoft reconoce la necesidad de permitir que las organizaciones de atenci\u00f3n m\u00e9dica de todo el mundo recopilen informaci\u00f3n a partir de estos datos, para una atenci\u00f3n mejor, m\u00e1s r\u00e1pida y m\u00e1s personalizada, y para mejorar la equidad en la salud. Con Text Analytics for Health<\/a>, una parte de Azure Cognitive Services<\/a>, las organizaciones de atenci\u00f3n m\u00e9dica de todo el mundo ahora pueden extraer informaci\u00f3n significativa de texto no estructurado en siete idiomas y procesarlo de una manera que permita el soporte de decisiones cl\u00ednicas como nunca antes. M\u00e1s all\u00e1 del ingl\u00e9s, Text Analytics for Health ahora ha lanzado seis idiomas adicionales en versi\u00f3n preliminar: espa\u00f1ol, franc\u00e9s, alem\u00e1n, italiano, portugu\u00e9s y hebreo, lo que hace que esta tecnolog\u00eda innovadora que ayuda a extraer informaci\u00f3n de notas cl\u00ednicas no estructuradas multiling\u00fces sea accesible para m\u00e1s organizaciones de salud en todo el mundo.<\/p>\n Esto marca el primer servicio de Procesamiento del Lenguaje Natural (NLP, por sus siglas en ingl\u00e9s) de su tipo, que admite de manera hol\u00edstica el an\u00e1lisis de datos biom\u00e9dicos no estructurados en varios idiomas y se desarroll\u00f3 con un enfoque de aprendizaje federado. La mayor parte de la tecnolog\u00eda de la salud est\u00e1 limitada al idioma ingl\u00e9s, lo que la hace inaccesible para millones de personas y pa\u00edses donde el ingl\u00e9s no es el idioma principal. Lanzar la tecnolog\u00eda de PNL en varios idiomas es un gran paso adelante para cerrar las brechas en la equidad de la salud creadas por las barreras del idioma y garantizar que el acceso y la calidad de la atenci\u00f3n m\u00e9dica no est\u00e9n determinados por la capacidad de hablar y entender ingl\u00e9s.<\/p>\n Por Raed Abib Habib<\/p>\n Text Analytics for Health utiliza un potente NLP para detectar e identificar t\u00e9rminos m\u00e9dicos en el texto, clasificarlos y asociarlos con sistemas de codificaci\u00f3n cl\u00ednica est\u00e1ndar, as\u00ed como inferir relaciones sem\u00e1nticas y afirmaciones en los datos, lo que permite una comprensi\u00f3n contextual m\u00e1s profunda. Esto abre un mundo de posibilidades para proveedores, pagadores, empresas de ciencias de la vida y farmac\u00e9uticas, permiti\u00e9ndoles unificar puntos de datos de texto no estructurado con datos estructurados y permiti\u00e9ndoles sacar a la luz informaci\u00f3n clave, identificar riesgos, automatizar el llenado de formularios o combinar datos cl\u00ednicos. ensayos a pacientes para una mejor selecci\u00f3n de candidatos, basados en datos completos que incluyen texto cl\u00ednico no estructurado.<\/p>\n Entrenar el modelo de PNL para diferentes idiomas<\/p>\n Uno de los desaf\u00edos para un servicio de NLP es ir m\u00e1s all\u00e1 del ingl\u00e9s y tratar de analizar texto de diferentes idiomas. Esto es lo que pretend\u00eda hacer el equipo de Microsoft: el objetivo era empoderar a todas las organizaciones de salud, sin importar el idioma en el que se encuentre su texto. Los desaf\u00edos \u00fanicos provienen de la necesidad de entrenar modelos de IA para m\u00faltiples idiomas, as\u00ed como ajustarlos a las necesidades espec\u00edficas de cada pa\u00eds. La sintaxis es diferente entre idiomas, en especial cuando se trata de idiomas no latinos. Los idiomas tienen diferentes sem\u00e1nticas y l\u00edmites, en espec\u00edfico aquellos con morfolog\u00eda rica o palabras compuestas. Los vocabularios son diferentes, la jerga es espec\u00edfica de cada pa\u00eds e incluso los sistemas de codificaci\u00f3n difieren seg\u00fan el pa\u00eds. Las palabras a menudo se toman prestadas de otros idiomas, lo que lleva a un texto que contiene una mezcla de varios idiomas. El texto escrito es una mezcla de coloquialismos, t\u00e9rminos m\u00e9dicos locales y taquigraf\u00edas espec\u00edficas del pa\u00eds. Entrenar modelos para comprender estas diferencias y luego evaluar esos modelos requiri\u00f3 cantidades significativas de datos cl\u00ednicos y trabajar con expertos en la materia en diferentes idiomas.<\/p>\n Por Raed Abib Habib<\/p>\n Leumit Health Services, uno de los cuatro fondos nacionales de salud de Israel, trabaj\u00f3 en estrecha colaboraci\u00f3n con el equipo de I+D de Microsoft para entrenar el modelo TA4H para el idioma hebreo. Israel tiene un sistema de salud \u00fanico y s\u00f3lido donde los registros de cada individuo se almacenan en registros m\u00e9dicos electr\u00f3nicos (EMR, por sus siglas en ingl\u00e9s) y todos los ciudadanos residentes deben unirse a una de las cuatro HMO (Organizaci\u00f3n de Mantenimiento de la Salud) designadas seg\u00fan la ley. Los datos de salud disponibles son ricos, diversos y proporcionan un excelente punto de partida para la investigaci\u00f3n y el an\u00e1lisis.<\/p>\n Leumit Health Services ten\u00eda m\u00e1s de 130 millones de registros de pacientes en su EMR que podr\u00edan usarse para entrenar el modelo multiling\u00fce Text Analytics for Health para hebreo. El desaf\u00edo era: c\u00f3mo permitir que Microsoft acceda a datos no identificados con fines de capacitaci\u00f3n de una manera que proteja la privacidad y seguridad de la informaci\u00f3n de salud del cliente. La respuesta estaba en un enfoque de aprendizaje federado, lo que significa que los datos nunca abandonaron el l\u00edmite de confianza de Leumit y Microsoft nunca estuvo expuesto a la informaci\u00f3n de salud del paciente. Leumit cre\u00f3 una suscripci\u00f3n separada en Azure con permisos de acceso estrictos donde Microsoft instal\u00f3 su infraestructura y herramientas de aprendizaje federadas. Luego, Leumit ingres\u00f3 los datos desidentificados necesarios para la investigaci\u00f3n y los desarrolladores de Microsoft activaron el entrenamiento del modelo en una configuraci\u00f3n de aprendizaje federado en esos datos desidentificados; mientras tanto, estos datos nunca abandonaron su suscripci\u00f3n y los desarrolladores nunca pudieron ver cualquier detalle identificativo de los datos.<\/p>\n Luego, Leumit se convirti\u00f3 en uno de los primeros clientes en probar el modelo Text Analytics for Health para el hebreo cl\u00ednico, lo cual es un desaf\u00edo ya que a menudo incluye palabras en hebreo e ingl\u00e9s en la misma oraci\u00f3n. El caso de uso fue tratar de ver si el modelo Text Analytics for Health pod\u00eda analizar el texto libre de las visitas m\u00e9dicas para identificar predictores de accidentes cerebrovasculares en pacientes. Los resultados preliminares son muy alentadores y positivos, ya que muestran que el modelo tiene la capacidad de analizar las declaraciones cl\u00ednicas tanto en hebreo como en ingl\u00e9s y analizarlas de una manera que podr\u00eda ayudar a identificar varios indicadores potenciales de accidente cerebrovascular. Esto podr\u00eda ayudar a los proveedores de atenci\u00f3n a establecer mecanismos de alerta temprana y brindar una atenci\u00f3n m\u00e1s personalizada para una variedad de afecciones agudas.<\/p>\n \u00abAl usar el PNL en hebreo de Microsoft, podremos analizar nuestros 20 a\u00f1os de datos de EMR y mensajes de paciente a m\u00e9dico para desarrollar herramientas que ahorrar\u00e1n tiempo a los m\u00e9dicos y reducir\u00e1n su agotamiento en un mundo posterior a Covid-19\u00bb. \u2014Izhar Laufer, director de Leumit Start.<\/p>\n An\u00e1lisis de texto no estructurado para datos del mundo real<\/strong><\/p>\n El desaf\u00edo de los datos no estructurados es a\u00fan mayor en el mundo de la investigaci\u00f3n con el uso de datos del mundo real (RWD, por sus siglas en ingl\u00e9s). En Brasil, entre otros lugares, la falta de un est\u00e1ndar para la interoperabilidad y la recopilaci\u00f3n de datos genera una gran cantidad de datos no estructurados: informes de campo, notas de m\u00e9dicos e incluso resultados de ex\u00e1menes de laboratorio. Esto ralentiza el proceso de investigaci\u00f3n y an\u00e1lisis de proveedores como Grupo Oncocl\u00ednicas<\/a>. Fundado en 2010, Grupo Oncocl\u00ednicas es el mayor proveedor de tratamiento oncol\u00f3gico del sector privado en Brasil, con 129 unidades en 33 ciudades, incluidas cl\u00ednicas, laboratorios de gen\u00f3mica y patolog\u00eda, y centros integrados de tratamiento del c\u00e1ncer.<\/p>\n Con la ayuda de Dataside<\/a>, un socio de Microsoft en Brasil, OncoCl\u00ednicas utiliza Text Analytics for Health de Microsoft para extraer datos de campos no estructurados como notas m\u00e9dicas, patolog\u00eda anat\u00f3mica e informes gen\u00f3micos y de im\u00e1genes como resonancias magn\u00e9ticas. Luego, estos datos se utilizan para varios casos de uso, como la viabilidad de ensayos cl\u00ednicos, una mejor comprensi\u00f3n de los escenarios para la farmacoeconom\u00eda y una comprensi\u00f3n m\u00e1s profunda de la epidemiolog\u00eda del grupo y los resultados de inter\u00e9s.<\/p>\n Por Raed Abib Habib<\/p>\n An\u00e1lisis y estructuraci\u00f3n de Fast Healthcare Interoperability Resources (FHIR\u00ae)<\/strong><\/p>\n La Universidad Italiana Vita-Salute San Raffaele<\/a> y el Hospital IRCCS San Raffaele<\/a> construyen el cuidado de la salud del futuro al aprovechar los servicios de Inteligencia Artificial (IA) de Microsoft. Con Text Analytics for Health, los hospitales pueden clasificar, estandarizar y analizar la enorme cantidad de datos cl\u00ednicos disponibles en el hospital para crear una plataforma digital innovadora para la gesti\u00f3n de datos. Con esta plataforma, los m\u00e9dicos del hospital pueden obtener informaci\u00f3n cl\u00ednica importante sobre sus pacientes y brindar una atenci\u00f3n m\u00e1s personalizada. Uno de los casos de uso que est\u00e1 en desarrollo en la actualidad con esta plataforma de datos es permitir la selecci\u00f3n de pacientes elegibles para inmunoterapia para el c\u00e1ncer de pulm\u00f3n de c\u00e9lulas no peque\u00f1as. El personal m\u00e9dico puede aprovechar el an\u00e1lisis de las soluciones de IA para aumentar la tasa de \u00e9xito de la terapia al hacer coincidir el tratamiento relevante con los pacientes m\u00e1s elegibles.<\/p>\n Con Text Analytics for Health, las organizaciones de salud pueden transformar su atenci\u00f3n al paciente, descubrir nuevos conocimientos y aprovechar el poder del aprendizaje autom\u00e1tico y la IA al aprovechar el texto no estructurado. Microsoft se compromete a ofrecer tecnolog\u00eda que habilite sus datos para el futuro de la innovaci\u00f3n en el cuidado de la salud con nuevas funciones en Microsoft Cloud for Healthcare.<\/p>\n Por Raed Abib Habib<\/p>\n Fuente: Microsoft<\/p>\n","protected":false},"excerpt":{"rendered":" Por Raed Abib Habib La industria de la salud ha comenzado a adoptar el poder de Big Data, el c\u00f3mputo en la nube y el an\u00e1lisis cl\u00ednico, y aprovecha los datos para brindar informaci\u00f3n que puede mejorar la atenci\u00f3n y la eficiencia. Aun as\u00ed, el texto no estructurado se mantiene como un desaf\u00edo, que se […]<\/p>\n","protected":false},"author":2,"featured_media":13873,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[2],"tags":[9937],"wppr_data":{"cwp_meta_box_check":"No"},"_links":{"self":[{"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/posts\/13870"}],"collection":[{"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/comments?post=13870"}],"version-history":[{"count":2,"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/posts\/13870\/revisions"}],"predecessor-version":[{"id":13876,"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/posts\/13870\/revisions\/13876"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/media\/13873"}],"wp:attachment":[{"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/media?parent=13870"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/categories?post=13870"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.notaoficial.com\/s\/wp-json\/wp\/v2\/tags?post=13870"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}