Acceso usuarios
Maitane Urruela, Sergio Martín, Iker de la Iglesia, Ander Barrena Madinabeitia
Este trabajo presenta un proceso de Minería de Argumentos que extrae entidades argumentativas de textos clínicos e identifica sus relaciones argumentativas utilizando técnicas de clasificación de tokens e Inferencia del Lenguaje Natural. En comparación con otros métodos como la clasificación de texto, esta metodología muestra mejor rendimiento en contextos con escasez de datos. Al evaluar la eficacia de estos métodos en la identificación de estructuras argumentativas que apoyan o refutan posibles diagnósticos, esta investigación sienta las bases para futuras herramientas que puedan proporcionar justificaciones basadas en pruebas para conclusiones clínicas generadas automáticamente.
This work presents an Argument Mining process that extracts argumentative entities from clinical texts and identifies their relationships using token classification and Natural Language Inference techniques. Compared to straightforward methods like text classification, this methodology demonstrates superior performance in data-scarce settings. By assessing the effectiveness of these methods in identifying argumentative structures that support or refute possible diagnoses, this research lays the groundwork for future tools that can provide evidence-based justifications for machine-generated clinical conclusions.
