Resumo

JARA, José Luis; CHACON, Max  e  ZELAYA, Gonzalo. Evaluación empírica de tres métodos de aprendizaje automático para clasificar automáticamente diagnósticos de neoplasias. Ingeniare. Rev. chil. ing. [online]. 2011, vol.19, n.3, pp. 359-368. ISSN 0718-3305.  doi: 10.4067/S0718-33052011000300006.

Los diagnósticos médicos son una fuente valiosa de información para evaluar el funcionamiento de un sistema de salud. Sin embargo, su utilización en sistemas de información se ve dificultada porque éstos se encuentran normalmente escritos en lenguaje natural. Este trabajo evalúa empíricamente tres métodos de Aprendizaje Automático para asignar códigos de acuerdo a la Clasificación Internacional de Enfermedades (décima versión) a 3.335 diferentes diagnósticos de neoplasias extraídos desde UMLS®. Esta evaluación se realiza con tres tipos distintos de preprocesamiento. Los resultados son alentadores: un conocido método de inducción de reglas de decisión y modelos de entropía máxima obtienen alrededor de 90% accuracy en una validación cruzada balanceada.

Palavras-chave : Codificación clínica; vocabulario controlado; clasificación internacional de enfermedades; aprendizaje por máquina; procesamiento de lenguaje natural.