|
Descripción
|
El dataset contiene el código de la implementación y experimentación de los enfoques propuestos en el artículo: Isabel Segura Bedmar, David Camino Perdones, Sara Guerrero Aspizua. (2022). Exploring deep learning methods for recognizing rare diseases and their clinical manifestations from texts. BMC Bioinformatics 23, 263 . ISSN: 1471-2105. DOI: https://doi.org/10.1186/s12859-022-04810-y
Estos enfoques basados en técnicas de PLN y aprendizaje profundo están dirigido al reconocimiento automático de enfermedades raras y sus manifestaciones clínicas en textos biomédicos.
Gracias a este código (también disponible en el repositorio público) https://github.com/isegura/NLP4RARE-NER
|
|
Notas
| Descripción del proyecto: El proyecto NLP4RARE-CM-UC3M, financiado por la Comunidad de Madrid y la UC3M, en la Convocatoria del Programa de Apoyo a la Realización de Proyectos Interdisciplinares de I+D para jóvenes investigadores de la UC3M 2019-2020. El proyecto tiene como objetivo aplicar técnicas de Procesamiento de Lenguaje Natural (PLN) para analizar la literatura biomédica con el fin de aumentar el conocimiento relativo a las enfermedades raras y desvelar relaciones complejas presentes en estas enfermedades. El tratamiento y diagnóstico de estas enfermedades es un reto para nuestra sociedad actual. Gracias a la investigación biomédica, se ha generado una gran cantidad de conocimiento sobre enfermedades raras en los últimos años. Sin embargo, debido al elevado coste de los análisis moleculares y la existencia de una bibliografía reducida, en ocasiones inaccesible o dispersa, dificulta el avance en el diagnóstico y tratamiento de estas patologías. Frecuentemente, los pacientes afectos, a pesar de que sus condiciones son mortales o crónicamente incapacitantes, carecen de tratamiento. Aunque las bases genéticas hayan sido dilucidadas, en muchos casos la pérdida de función de los genes causantes no explica la complejidad fenotípica observada. Estas enfermedades comparten manifestaciones clínicas y predisposición al cáncer, a pesar de tener diferentes bases genéticas. Gracias a la identificación automática de estas manifestaciones, en el proyecto, se tratará de identificar biomarcadores precisos, dianas terapéuticas de estas patologías, así como facilitar su diagnóstico a clínicos no especialistas.
Metolodogía: Basada en el ajuste de modelos Transformers y de aprendizaje profundo. Más información en https://huggingface.co/ y https://ocw.uc3m.es/course/view.php?id=316 |
