Tendances et caractéristiques des applications des techniques de traitement du langage naturel pour l'analyse des textes des essais cliniques

Le traitement du langage naturel (NLP) est un outil efficace pour générer des informations structurées à partir de données non structurées, celles qui se trouvent couramment dans les textes des essais cliniques. Cette recherche interdisciplinaire a progressivement évolué pour devenir un domaine de recherche florissant avec des résultats scientifiques cumulatifs disponibles. Dans cette étude, des données bibliographiques collectées à partir des bases de données Web of Science, PubMed et Scopus de 2001 à 2018 ont été examinées à l'aide de trois méthodes prédominantes, notamment l'analyse de performance, la cartographie scientifique et, en particulier, une approche automatique d'analyse de texte appelée modélisation thématique structurelle. La visualisation des tendances thématiques et l'analyse des tests ont été employées pour quantifier les effets de l'année de publication sur les proportions de sujets. Des distributions thématiques diversifiées à travers des pays/régions et des institutions prolifiques ont également été visualisées et comparées. De plus, les collaborations scientifiques entre pays/régions, institutions et auteurs ont également été explorées à l'aide de l'analyse des réseaux sociaux. Les résultats obtenus étaient essentiels pour faciliter le développement du traitement des textes des essais cliniques améliorés par le NLP, stimuler la recherche scientifique et technologique en essais cliniques améliorés par le NLP, et faciliter les collaborations entre pays/régions et institutions.