De la Iglesia, Iker, Vivó, María, Chocrón, Paula, Maeztu, Gabriel de, Gojenola Galletebeitia, Koldo, Atutxa Salazar, Aitziber
Overview of ClinAIS at IberLEF 2023: Automatic Identification of Sections in Clinical Documents in Spanish
Procesamiento del Lenguaje Natural. 2023, 71: 289-299. https://doi.org/10.26342/2023-71-22
URI: http://hdl.handle.net/10045/137198
DOI: 10.26342/2023-71-22
ISSN: 1135-5948
Abstract: 
The ClinAIS shared task organized by IOMED and the HiTZ center aims to tackle the identification of seven section types within unstructured clinical records in the Spanish language. These records, known as Electronic Clinical Narratives (ECNs), store crucial individual health information. However, their lack of standardized formats poses challenges in the development and evaluation of automated systems for clinical document analysis. Twenty-seven participants registered for the task, with five submitting results. This paper presents the outcomes and methodologies used in ClinAIS, contributing to the advancement of clinical text analysis and its application in improving healthcare decision-making and patient care.
La tarea ClinAIS organizada por IOMED y el centro HiTZ tiene como objetivo abordar la identificación de siete tipos de secciones dentro de registros clínicos no-estructurados en español. Estos registros, conocidos como Narrativas Clínicas Electrónicas (ECNs), almacenan información crucial acerca de la salud personal. Sin embargo, la falta de estandarización en los formatos plantea desafíos en el desarrollo y evaluación de sistemas automatizados para el análisis de documentos clínicos. Veintisiete participantes se registraron para la tarea, de los cuales cinco presentaron resultados. Este artículo presenta los resultados y metodologías utilizadas en la tarea ClinAIS, contribuyendo al avance del análisis de notas clínicas y su aplicación en la mejora de la toma de decisiones en la atención médica y el cuidado al paciente.
Keywords:Section Identification, Unstructured Clinical Documents, Language Models, Deep Learning, Identificación de Secciones, Documentos Clínicos No-Estructurados, Modelos de Lenguaje, Aprendizaje Profundo
Sociedad Española para el Procesamiento del Lenguaje Natural
info:eu-repo/semantics/article