ScholarGate
Asistente
Process / pipeline

Minería de Texto Clínico — Extracción de Información en PLN Clínico

La minería de texto clínico es una rama especializada del procesamiento del lenguaje natural (PLN) que extrae hechos clínicos estructurados — diagnósticos, síntomas, medicamentos, tratamientos y códigos ICD — de documentos sanitarios no estructurados como informes de alta, notas de evolución e informes radiológicos. Basada en modelos de PLN biomédico como BioBERT (Lee et al., 2020) y los puntos de referencia de las tareas compartidas i2b2/UTHealth (Stubbs & Uzuner, 2015), convierte narrativas clínicas en texto libre en datos legibles por máquina adecuados para el soporte de decisiones clínicas y la analítica sanitaria.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. Lee, J., Yoon, W., Kim, S., Kim, D., Kim, S., So, C. H., & Kang, J. (2020). BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics, 36(4), 1234–1240. DOI: 10.1093/bioinformatics/btz682
  2. Stubbs, A. & Uzuner, Ö. (2015). Annotating risk factors for heart disease in clinical narratives for the 2014 i2b2/UTHealth shared task. Journal of the American Medical Informatics Association, 22(e1), e30–e39. link

Cómo citar esta página

ScholarGate. (2026, June 1). Clinical Text Mining (Clinical NLP Information Extraction). ScholarGate. https://scholargate.app/es/text-mining/clinical-text-mining

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Citado por

ScholarGateClinical Text Mining (Clinical Text Mining (Clinical NLP Information Extraction)). Recuperado el 2026-06-15 de https://scholargate.app/es/text-mining/clinical-text-mining · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026