Acceso usuarios
Luis Gascó, Martin Krallinger, Salvador Lima López, Eulàlia Farré Maduell, Vicent Briva Iglesias
Este artículo presenta la tarea MEDDOPLACE, la primera iniciativa que aborda la detección automática y normalización de distintos tipos de localización e información relacionada (como departamentos clínicos) presentes en textos clínicos. Los recursos resultantes de MEDDOPLACE pueden ser útiles para caracterizar información sobre localizaciones importante para la monitorización de brotes de enfermedades, diagnóstico y pronóstico, mejora de la atención y seguridad del paciente, análisis de movimientos, movilidad y viajes de los pacientes, entre muchas otras aplicaciones relacionadas con la salud. MEDDOPLACE se basa en un corpus anotado manualmente de alta calidad con 1000 casos clínicos en español, estando todas sus menciones normalizadas (asociándolas a conceptos de GeoNames, PlusCodes y SNOMED-CT), así como un conjunto de datos de referencia en múltiples idiomas (incluyendo inglés, italiano, portugués, holandés o sueco). Los resultados obtenidos por los equipos participantes, así como los recursos generados, muestran un claro potencial práctico para mejorar el análisis de localizaciones en el procesamiento de datos de atención médica. Los recursos de MEDDOPLACE, incluidas las guías de anotación en castellano e inglés, están disponibles en: https://zenodo.org/record/8017179.
We present the MEDDOPLACE task, the first initiative addressing the automatic detection and normalization of all location-relevant entity types present in clinical texts. The resources resulting from MEDDOPLACE can be directly useful to characterize location information of importance for disease outbreak monitoring, diagnosis and prognosis, improving patient care and safety, analyze patient movements, mobility, and travels, among many other health-related applications. MEDDOPLACE relied on a high quality manually annotated corpus of 1000 clinical cases in Spanish, together with location mention normalization (mapping to GeoNames, PlusCodes and SNOMED-CT concepts), as well as a Silver Standard dataset in multiple languages (including English, Italian, Portuguese, Dutch or Swedish). The results obtained by participating teams, as well as the generated resources show a clear practical potential to improve location analysis for health-care data processing. MEDDOPLACE resources, including detailed annotation guidelines are available at: https://zenodo.org/record/8017179
