Implementación y aplicaciones de un sistema de codificación automática de la lista de espera chilena

Abstract

El Procesamiento del Lenguaje Natural (NLP, por sus siglas en inglés) tiene diversas aplicaciones en medicina, incluyendo la clasificación de texto, la extracción de conceptos clínicos y la codificación automática de enfermedades. Aunque los diagnósticos médicos representan una gran proporción de los registros clínicos de pacientes, su análisis se ve dificultado por el uso extensivo de abreviaturas y la variabilidad del lenguaje clínico en las distintas especialidades médicas, lo que limita su uso en proyectos que buscan apoyar la toma de decisiones clínicas. La Organización Mundial de la Salud (OMS) creó un estándar internacional llamado Clasificación Internacional de Enfermedades (CIE) que se usa en todo el mundo para generar estadísticas sobre enfermedades y mortalidad. La CIE permite a los profesionales de la salud, investigadores y formuladores de políticas comprender mejor las tendencias en la salud y tomar decisiones informadas. En Chile, los registros electrónicos de lista de espera no-GES están disponibles en el Sistema Informático de Gestión de Tiempos de Espera (SIGTE). Sin embargo, los diagnósticos presentes en estos registros no cuentan con una codificación formal, ya que están en texto libre y cada servicio de salud actúa de manera independiente para reportar estos registros. En promedio, la codificación a nivel nacional es baja, con un 26,5% y una mediana de 1,61% de diagnósticos codificados por servicio de salud. En esta tesis, se emplea un enfoque combinado de aprendizaje profundo y el conocimiento experto para codificar automáticamente diagnósticos en registros electrónicos de pacientes en Chile. Se utiliza un modelo de reconocimiento de entidades nombradas (NER, por sus siglas en Inglés) basado en redes neuronales profundas para detectar enfermedades en el texto y se asocian con su código CIE más probable mediante técnicas de Entity Linking. Para evaluar la efectividad del sistema, se comparó su rendimiento con la codificación manual de expertos clínicos en tres subconjuntos de interconsultas no-GES, logrando un rendimiento de 0.83 en base a la métrica MAP, similar al de otros estudios previos en la literatura. El uso del sistema de codificación permitió registrar 14.247.782 diagnósticos, con un incremento del 26,5% al 74,23% en promedio y del 1,61% al 77,64% en mediana de la codificación de diagnósticos por servicio de salud. Para asegurar la continuidad de la investigación, se propuso un flujo de trabajo para implementar el sistema de codificación en los nuevos registros de lista de espera y almacenarlos en los servidores del Departamento de Estadística del Ministerio de Salud de Chile, para su uso en futuros análisis. En relación al sistema de codificación previamente descrito, y con el fin de demostrar la relevancia de la información producida a partir de datos no estructurado, se han llevado a cabo dos aplicaciones de estudios sobre la lista de espera: la primera ha examinado el perfil sociodemográfico de los pacientes en función de las enfermedades más frecuentes en la lista, y la segunda se ha analizado la gestión del sistema de salud mediante los tiempos de espera para la atención de estos pacientes.