Publicación:
Reducción del diagnóstico tardío de la infección por VIH aplicando técnicas de Procesamiento del Lenguaje Natural

Cargando...
Miniatura
Fecha
2023-09-01
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
Atribución-NoComercial-SinDerivadas 4.0 Internacional
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Lenguajes y Sistemas Informáticos
Proyectos de investigación
Unidades organizativas
Número de la revista
Resumen
La mejora en el diagnóstico de la infección por VIH es un tema vital para avanzar en el control de la epidemia. En España se estima que un 10% de pacientes infectados desconocen su estatus serológico. Además, alrededor del 50% de los nuevos diagnósticos cada año son detectados de manera tardía. Se han realizado varios estudios sobre estrategias de cribado y se reconoce como la mejor alternativa en relación coste-eficiencia, aquella basada en indicadores. Sin embargo, mientras el cribado en algunos ámbitos como las urgencias está bastante implantado, en otros como la hospitalización no ha recibido suficiente atención. Además, existen barreras por parte de los profesionales para la realización de serología de VIH como el tiempo o la falta de percepción de riesgo. En este trabajo se presentan dos propuestas para la ayuda en el diagnóstico basado en el uso de la información de la historia clínica electrónica de los pacientes, utilizando técnicas de aprendizaje automático y procesamiento del lenguaje natural. La primera consiste en una propuesta no supervisada basada en conocimiento experto a partir de una serie de indicadores. Y la segunda, una propuesta supervisada de clasificación binaria. No es mucha la literatura existente sobre la predicción de VIH utilizando técnicas de Procesamiento del Lenguaje Natural, por ello, este trabajo se postula como un enfoque novedoso en el que ambas propuestas consiguen unos resultados prometedores. La propuesta supervisada destaca por sus mejores resultados, mientras que la propuesta no supervisada tiene un interesante potencial por su mejor explicabilidad.
Improving the diagnosis of HIV infection is a crucial issue in order to make progress in controlling the epidemic. In Spain, it is estimated that 10% of infected patients do not know their serological status. In addition, around 50% of new diagnoses each year are detected late. Several studies have been carried out on screening strategies and indicatorbased screening is recognized as the best option in terms of cost-effectiveness. However, while screening in some settings such as the emergency department is well established, in others such as hospitalization it has not received sufficient attention. In addition, there are barriers for professionals to perform HIV serology, such as time or lack of risk perception. This paper presents two proposals for diagnostic assistance based on the use of information from patients’ electronic medical records, using machine learning and natural language processing techniques. The first consists of an unsupervised proposal based on expert knowledge from a series of indicators. The second is a supervised binary classification approach. The existing literature on HIV prediction using Natural Language Processing techniques is not extensive, therefore, this work is postulated as a novel approach in which both proposals achieve promising results. The supervised approach stands out for its better results, while the unsupervised approach has an interesting potential for its better explainability.
Descripción
Categorías UNESCO
Palabras clave
Citación
Centro
Facultades y escuelas::E.T.S. de Ingeniería Informática
Departamento
Lenguajes y Sistemas Informáticos
Grupo de investigación
Grupo de innovación
Programa de doctorado
Cátedra
DOI