Resumen

Las reacciones adversas a los medicamentos (RAM) son una parte esencial del análisis del uso de fármacos, la medición de sus beneficios y la toma de decisiones políticas. Los canales tradicionales para identificar las RAM son fiables, pero muy lentos y sólo producen una pequeña cantidad de datos. Las revisiones de texto, ya sea en sitios web especializados o en redes sociales de uso general, pueden dar lugar a una fuente de datos de un tamaño sin precedentes, pero la identificación de ADR en texto de forma libre es un problema de procesamiento de lenguaje natural desafiante. En este trabajo, proponemos un modelo novedoso para este problema, uniendo arquitecturas neuronales recurrentes y campos aleatorios condicionales. Evaluamos nuestro modelo con un estudio experimental exhaustivo, que muestra mejoras con respecto a los métodos más avanzados de extracción de ADR.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:ADR, problema de procesamiento del lenguaje natural, reacciones adversas a medicamentos, estudio experimental exhaustivo, campos aleatorios condicionales, beneficios del uso de medicamentos, arquitecturas neuronales recurrentes, sitios web especializados, extracción de ADR, revisiones de texto
• Keywords:ADRs, natural language processing problem, Adverse drug reactions, comprehensive experimental study, conditional random fields, drug use benefits, recurrent neural architectures, specialized web sites, ADR extraction, Text reviews