Un sistema de inteligencia artificial desarrollado por la investigadora Alicia Ramírez Arrabe automatiza la codificación de informes médicos en códigos estandarizados, mejorando la eficiencia y precisión en la gestión sanitaria.
Cada día, hospitales y centros de salud producen miles de informes médicos redactados en lenguaje natural. Para que esta información pueda ser organizada, compartida o utilizada en investigaciones, es esencial traducirla a códigos clínicos estandarizados. Este proceso, sin embargo, sigue siendo intensivo en tiempo y recursos. Alicia Ramírez Arrabe, investigadora del grupo NLP&IR del Departamento de Lenguajes y Sistemas Informáticos de la UNED, ha colaborado en el desarrollo de un sistema de inteligencia artificial que automatiza esta tarea y proporciona explicaciones sobre las decisiones tomadas.
La investigación presenta una arquitectura capaz de transformar automáticamente textos médicos en códigos de la Clasificación Internacional de Enfermedades (CIE). Este proceso se organiza en tres fases: reconocimiento de entidades, clasificación supervisada y análisis de similitud semántica. Evaluado con corpus en español e inglés, el sistema ha mostrado resultados competitivos y una mejora media del 3.42% en la métrica F1 comparado con métodos previos.
La codificación clínica convierte la información contenida en los informes médicos —diagnósticos, síntomas, procedimientos y antecedentes— a un lenguaje común basado en códigos estandarizados. Esto permite a los profesionales de diferentes centros registrar y consultar información de manera homogénea, lo que facilita tanto la gestión sanitaria como el análisis posterior de grandes volúmenes de datos.
A pesar de su importancia, este proceso aún se realiza mayoritariamente de forma manual, lo que implica un alto consumo de tiempo y recursos. Según Alicia Ramírez Arrabe, “los sistemas que automaticen el proceso aportan mucho valor al convertir una tarea tediosa y prolongada en un procedimiento rápido y eficiente, permitiendo así dedicar más tiempo a investigar y analizar la información”.
El equipo detrás del desarrollo ha incorporado dos innovaciones significativas: una fase no supervisada que identifica códigos no vistos durante el entrenamiento, ampliando su capacidad operativa; y la habilidad para interpretar referencias complejas dentro del texto médico, como menciones superpuestas o fragmentadas que deben ser entendidas conjuntamente para identificar correctamente el código correspondiente.
Uno de los aspectos más destacados del sistema es su capacidad para no funcionar como una "caja negra". Además de generar propuestas de codificación, indica qué partes concretas del informe médico justifican cada resultado. “El sistema presentado no solo predice los códigos CIE-10; también devuelve las secciones del texto que respaldan esas predicciones”, explica Ramírez Arrabe. Esto permite a los profesionales sanitarios comprender rápidamente por qué se asignó un determinado código y validar los resultados con mayor eficacia.
Para evaluar su rendimiento, el sistema fue probado con corpus en español e inglés. Aunque los modelos fueron entrenados independientemente para cada conjunto de datos, se buscaba demostrar que la metodología mantiene su eficacia en distintos contextos clínicos.
La mejora obtenida —un 3.42% en F1— es significativa dado que la codificación clínica automática debe lidiar con lenguaje médico especializado y más de 100.000 códigos posibles. Por ello, incluso avances modestos pueden tener un impacto considerable sobre la precisión y cobertura del sistema.
El siguiente paso será desarrollar una demo funcional, donde se podrán introducir textos clínicos para visualizar automáticamente tanto los códigos detectados como las justificaciones correspondientes. Si los resultados son positivos, esta línea de investigación podría facilitar futuras aplicaciones tanto en entornos clínicos como académicos.
Dicha investigación cuenta con el respaldo institucional de la UNED y el conocimiento especializado del grupo NLP&IR, centrado en el procesamiento del lenguaje natural aplicado al ámbito biomédico, consolidándose como una línea relevante dentro del Departamento de Lenguajes y Sistemas Informáticos.