Resumen

Los foros sanitarios en línea (OHF) se han hecho cada vez más populares para que los pacientes compartan sus experiencias relacionadas con la salud. Los textos relacionados con la salud que se publican en estos foros pueden ayudar a médicos y pacientes a comprender mejor enfermedades concretas y la situación de otros pacientes. Para extraer el significado de un mensaje, lo habitual es clasificar las frases en varias categorías predefinidas de diferente semántica. Sin embargo, la forma desestructurada de los mensajes en línea plantea problemas a los algoritmos de clasificación existentes. Además, aunque muchos modelos de clasificación sofisticados, como las redes neuronales profundas, pueden tener un buen poder de predicción, es difícil interpretar los modelos y los resultados de las predicciones, lo que, sin embargo, es fundamental en las aplicaciones sanitarias. Para hacer frente a los retos anteriores, proponemos un marco de postclasificación OHF eficaz e interpretable. En concreto, clasificamos las frases en tres clases: medicación, síntoma y antecedentes. Cada frase se proyecta en un espacio de características interpretable formado por patrones secuenciales etiquetados, tipos semánticos UMLS y otras características heurísticas. Se desarrolla un modelo basado en bosques para categorizar los mensajes OHF. También se desarrolla un método de interpretación, en el que las reglas de decisión pueden extraerse explícitamente para obtener una visión de la información útil en los textos. Los resultados experimentales con datos reales de OHF demuestran la eficacia del marco computacional propuesto.

• 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:marco interpretable de postclasificación OHF, muchos modelos de clasificación sofisticados, foros sanitarios en línea, redes neuronales profundas, buen poder predictivo, espacio de características interpretable, otras características heurísticas, varias categorías predefinidas, datos mundiales OHF, retos
• Keywords:interpretable OHF post classification framework, many sophisticated classification models, Online healthcare forums, deep neural networks, good predictive power, interpretable feature space, other heuristic features, several predefined categories, world OHF data, challenges