Las uveítis son enfermedades raras, heterogéneas y que amenazan la vista. Hay una falta de información procesable para la toma de decisiones en estas enfermedades, por ejemplo, en relación a su pronóstico. El objetivo de esta propuesta es desarrollar una plataforma de Inteligencia Artificial que nos permita identificar con precisión en pacientes con uveítis aquellos con peor pronóstico. Para lograr este objetivo, obtendremos y anotaremos las entidades más relevantes en documentos clínicos de pacientes con uveítis de 11 centros; generaremos modelos de aprendizaje profundo para realizar el reconocimiento de entidades (NER); estructuraremos los datos de los centros participantes utilizando estos modelos NER; normalizaremos las entidades anotadas; y desarrollaremos y validaremos modelos de predicción para resultados de salud de interés, a través de un esquema federado. La metodología se compone de dos fases fundamentales: 1. Procesado del lenguaje Natural. Obtendremos un corpus anotado con las entidades de interés, negación e incertidumbre, que se usarán posteriormente en los modelos de aprendizaje profundo (DL). 2. Obtención de modelos que expliquen la evolución de la enfermedad. Aplicaremos modelos de DL con el fin de extraer las entidades de interés. Esto nos permitirá estructurar las notas clínicas de los pacientes, y formar una base de datos en la que se depositen los datos de pacientes de los distintos grupos a analizar. Finalmente aplicaremos técnicas de machine learning para la obtención de modelos que ayuden a encontrar los factores involucrados en el pronóstico de la enfermedad.

uveitis
procesamiento del lenguaje natural
reconocimiento de entidades
aprendizaje automatico
aprendizaje profundo
pronóstico

Acción Estratégica en Salud (AES)