Description
Características socio-demográficas, como la profesión y la situación laboral, resultan imprescindibles para entender la salud y el bienestar. La relación entre enfermedades y profesiones se debe a múltiples factores, como el riesgo aumentado de exposición a sustancias tóxicas y patógenos, la sobrecarga física y el impacto psicológico sobre la salud mental. Es crucial definir la profesión y la situación laboral de pacientes y de la población para el diseño de tratamientos, medidas preventivas y educación sanitaria, y también para abordar la epidemiología de riesgos laborales, incluyendo las enfermedades contagiosas.
En cuanto a la medicina centrada en el paciente, encontramos riesgos ocupacionales (por ejemplo, exposición a sustancias peligrosas y alérgenos; infecciones asociadas con el contactodirecto con animales y patógenos; sobrecarga por estrés en enfermedades de orientación social, como enfermeras, médicos, profesores y asistentes, sociales), que unidos a otros datos (socio-demográficos, genéticos, epigenéticos, etc.) contribuyen a incrementar el conocimiento de fisiopatología humana. No existen aún herramientas eficientes para el reconocimiento automático, la normalización y análisis de profesiones y situaciones laborales para textos en español. Con la plataforma de minería de textos AI4PROFHEALTH, basadaen las metodologías más recientes de IA, minería de textos y procesamiento de lenguaje natural, se podrá analizar la relevancia de las profesiones y la situación laboral en salud, AI4PROFHEALTH reconocerá automáticamente menciones clave en historias clínicas, como profesiones y situación laboral, enfermedades, tratamientos, síntomas, sustancias químicas y biomateriales, patógenos y procedimientos, a través de estrategias avanzadas de reconocimiento de entidades basadas en infraestructura HPC para el entrenamiento de modelos (Objetivo 1). Después, crearemos corpus anotados Gold Standard para que otros grupos puedan desarrollar, implementar y evaluar lacalidad de estos componentes (Objetivo 2). A continuación, armonizaremos las menciones extraídas de profesiones, situación laboral y entidades clínicas utilizando métodos de contextualización de entidades, uniéndolos a vocabularios controlados y ontologías estructuradas para la integración de datos y la interoperabilidad.
