En aquest webinar, el nostre CIO i la Dra. Sans expliquen el projecte Bismart Folksonomy implementat a l'Hospital del Mar.
El passat 3 de juny, el nostre director d'Innovació, Ismael Vallvé, va oferir, amb la col·laboració de la Dra. Laia Sans del Departament de Nefrologia de l'Hospital del Mar, el webinar Folksonomy Text Analytics. Durant la formació, l'Ismael va introduir el concepte folksonomia i l'eina Bismart Folksonomy i la Dra. va explicar el projecte dut a terme al seu hospital amb aquesta tecnologia en col·laboració amb la farmacèutica Ferrer.
Si vols tornar a veure la formació o si te la vas perdre, pots visualitzar-la aquí:
La folksonomia és un concepte que parteix de la taxonomia, que no és més que l'art de classificar mitjançant etiquetes. La paraula folksonomia ve, doncs, de taxonomia, però també de folk, que significa 'poble'. D'aquesta manera, podria dir-se que folksonomia significa etiquetatge social. Aquest concepte va néixer als anys 90 gràcies als portals de marcadors com Delicious.
Un dels principals avantatges de la folksonomia és que permet treballar amb dades no estructurades. Fins fa poc, l'única informació que es podia utilitzar per a dur a terme data analysis era la informació estructurada en camps, és a dir, la informació que s'havia preparat per tal que els ordinadors poguessin tractar-la. En canvi, la informació en format de text, àudio, etc. no es podia tractar d'aquesta manera, sinó que s'havia de fer manualment. El problema és que, segons la consultora Gartner, el 95% del valor de la informació es troba en dades no estructurades.
Un dels majors avanços en l'anàlisi de dades no estructurades és el model gran de llenguatge o Large Language Model (LLM). Aquest model es basa en l'ús d'intel·ligència artificial per a analitzar grans quantitats d'informació en temps real. L'avantatge d'aquest model és que permet la comprensió del llenguatge natural, la qual cosa fa possible la identificació de patrons i tendències en les dades. La combinació de LLM i la folksonomía pot ser una eina poderosa per a l'anàlisi de dades no estructurades en l'àmbit sanitari i de recerca clínica, ja que permet una comprensió profunda del llenguatge natural utilitzat en aquests camps. A més, l'automatització del procés de creació de l'entitat mestra per la folksonomía permet una anàlisi més ràpida i eficient de les dades, la qual cosa pot ser especialment útil en situacions clíniques que requereixen una presa de decisions en temps real. En resum, la combinació de LLM i la folksonomía pot ser una eina valuosa per a la recerca i la pràctica clínica.
Fins ara, per poder analitzar aquesta informació no estructurada, s'havia de crear una entitat mestra que permetis classificar la informació dins del text. El problema és que aquest tipus d'entitats han de crear-se manualment i són tasques molt feixugues, per la qual cosa sovint poden incloure errors o pot ser que l'entitat no comprengui tota la informació de valor que es troba a les dades. Al final, en molts casos la creació de l'entitat mestra duu més feina que analitzar els documents manualment.
Un altre benefici de Folksonomy és que no requereix aquesta entitat mestra perquè analitza tots els documents en paral·lel d'acord amb unes regles de pesos segons la categoria gramatical de la paraula, cosa que fa aflorar automàticament els termes més rellevants. Així es forma l'entitat mestra automàticament. Aquesta forma de treballar es coneix com a bottom-up, mentre que la creació manual de l'entitat s'anomena top-down. Treballar de forma bottom-up també permet el data-discovery, que significa que permet descobrir termes rellevants en les dades que no sabíem que eren allà, de forma que no haguessin aparegut a l'entitat mestra si s'hagués creat manualment. El mateix s'aplica a la inversa, en una entitat mestra creada per Folksonomy no apareixeran conceptes que no siguin als documents.
En l'àmbit sanitari, les capacitats que els metges han observat sobre Folksonomy són que permet entendre la pràctica clínica i la seva variabilitat, ofereix suport per a la presa de decisions en temps real, determina l'epidemiologia de la població, genera hipòtesis d'investigació clínica, fa estudis observacionals i preveu casuístiques clíniques abans que passin, entre d'altres.
Després de l'explicació de l'Ismael, que va finalitzar amb alguns exemples pràctics, la Dra. Sans va exposar l'experiència de l'Hospital del Mar amb la folksonomia, mitjançant el seu article Big Data: Application of Folksonomy for Clinical Nephrology Research.
Aquesta formació és part d'un conjunt de webinars setmanals. Subscriu-te al nostre blog i canal de Youtube per poder veure els anteriors i no perdre't els pròxims!
