Directores: Agustín Daniel Delgado Muñoz (Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.) y Raquel Martí­nez Unanue (Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.)

Objetivo: En este proyecto se pretende diseñar e implementar un sistema para la anotación automática de códigos estandarizados relacionados con diferentes tipos de eventos adversos en documentos de historia clínica. En particular, el estudio se centrará en los eventos adversos que aparecen con mayor frecuencia en historiales clínicos, aunque se considerará la posibilidad de estudiar la detección de eventos adversos menos comunes.

Descripción: El sistema de Clasificación Internacional de Enfermedades (CIE) permite asignar códigos de diagnósticos y procedimientos a informes médicos. En particular, algunos de estos códigos se refieren a eventos adversos. Un evento adverso puede describirse como una consecuencia negativa para un paciente por un suceso inesperado durante un tratamiento médico. Este trabajo propone usar técnicas de minería de texto y procesamiento de lenguaje natural para detectar eventos adversos en informes médicos con el objetivo de que tengan un valor predictivo para prevenir estas situaciones indeseadas y facilitar la costosa labor de la revisión manual de historiales clínicos.

Metodología: Estudio de diferentes técnicas de aprendizaje supervisado (por ej. SVM, redes neuronales, etc.) para la detección de EAs empleando diferentes rasgos (por ej. palabras, entidades nombradas del ámbito biomédico, etc).

Requisitos: Conocimientos de Java o Python.