Big data para analizar información textual en documentos médicos y su implementación en el Sistema Andaluz de Salud.

La adquisición fiable y el tratamiento de información clínica manuscrita es crítica para el futuro de los sistemas sanitarios.

Investigador principal

Francisco José Vico Vela

Sede:

UMA

Tecnología

Machine learning

Agentes agregados

Organización y Guarda de Archivos, S.L.

Resumen de la propuesta

La adquisición fiable y el tratamiento de información clínica manuscrita es crítica para el futuro de los sistemas sanitarios. Métodos de HWR y aprendizaje automático, desarrollados por el equipo proponente, se utilizarán para obtener y procesar grandes volúmenes de información médica. Estos documentos son gestionados por la empresa agregada, mediante su sistema DocBox (10 hospitales andaluces, 2.5M historias clínicas). Esta tecnología está ya siendo explotada en otras aplicaciones industriales.

Objetivo del proyecto

La mayor parte de la información generada en el entorno clínico es manuscrita. La creación de historias clínicas digitales demanda su interpretación, que actualmente se mecaniza parcialmente con personal entrenado. La tecnología de CBIR creada por el grupo investigador ha demostrado buenos resultados en reconocimiento de texto manuscrito (HWR) y será aplicada para reconocer y procesar el volumen de documentación que custodia OYGA (Organización y Guarda de Archivos, S.L.). El proyecto plantea un objetivo principal: generar conocimiento mediante técnicas de agrupamiento para la detección de anomalías en el diagnóstico; y otro secundario: un sistema capaz de adquirir una mayor cantidad de información clínica, reduciendo costes mediante la automatización de HWR. La acción se encuadra en la prioridad de Impulso a los Sistemas de Salud, concretamente "Explotación de Big Data y desarrollo empresarial de aplicaciones y tecnologías para nuevos servicios de atención al bienestar y a la salud".

Resultados esperados e indicadores

El proyecto propuesto transferirá dos nuevos métodos, de Big Data y HWR, que serán protegidos por el equipo. Los resultados de utilización serán publicados en revistas científicas de impacto. Se espera que el sistema obtenido genere nuevos contratos con empresas y hospitales.

Indicadores (esperados hasta el 31/12/2021)

  • Nuevo personal investigador (equivalente anual): 1 (en subcontrata)
  • Patentes: por determinar
  • Nº contratos transferencia: 2
  • Congresos: 0
  • Publicaciones indexadas: 2
  • Tesis doctorales: 0

Justificación potencial impacto tecnológico del proyecto TRL

Este proyecto aportará a las técnicas de IA en medicina a través del procesamiento de la información manuscrita, que no se utiliza actualmente en muchos sistemas sanitarios, así como por el abaratamiento del mecanizado de historiales. La tecnología utilizada ha sido desarrollada por el equipo investigador proponente durante los últimos 15 años. Parte está ya operativa en otros campos de aplicación y se ha demostrado un prototipo con sistemas manuscritos e historiales médicos mecanizados (TRL 7).