Acceso usuarios
Madrid, España
Lengua y salud es un tema candente hoy, en el que IA y salud se postula como uno de los grandes retos contemporáneos. Por ello, el proyecto de la Comunidad de Madrid Innovatrad (PHS-2024/PH-HUM-52) se ocupa de investigar la interacción Humano-IA en la generación de discurso, interpretación y traducción en tiempo real. Encuadrado en dicho proyecto, los objetivos que persigue el presente artículo son: extraer los datos médicos más significativos sobre los que se fundamenta la estructura de la plantilla de los informes clínicos de alta y de urgencias; generar los biomarcadores discursivos mediante la categorización de los datos extraídos y su jerarquización; comparar los biomarcadores discursivos obtenidos y valorar la posibilidad, incluso conveniencia, de elaborar un único patrón de organización del discurso biosanitario para ambos tipos de informes o dos patrones diferenciados por cada tipo de informe. Para lograr tales objetivos, se seguirá una metodología basada en el lenguaje de programación R. Para este experimento se ha elegido el modelo HUMADEX/spanish_medical_ner, que está entrenado específicamente para texto médico en español.
Language and health is a hot topic today, with AI and healthcare emerging as one of the major contemporary challenges. For this reason, the Community of Madrid’s Innovatrad project (PHS-2024/PH- HUM-52) is dedicated to researching Human-AI interaction in real-time speech generation, interpretation and translation. Within the framework of this project, the aims of this article are: to extract the most significant medical data on which the structure of the template for discharge and emergency clinical reports is based; to generate discourse biomarkers by categorising and prioritising the extracted data; to compare the discourse biomarkers obtained and assess the possibility, including the advisability, of developing a single organisational pattern for biomedical discourse for both types of reports or two distinct patterns for each type of report. To achieve these aims, a methodology based on R programming language will be followed. For this experiment, the HUMADEX/spanish_medical_ner model has been chosen, which is specifically trained for medical text in Spanish.
