Answers are grounded in this paper and cite their sources.
Entre las características sociodemográficas de los pacientes, las ocupaciones juegan un papel fundamental tanto desde el punto de vista de la salud laboral, accidentes laborales y exposición a tóxicos y patógenos como desde el de la salud física y mental. Este artículo presenta la tarea Medical Documents Profession Recognition (MEDDOPROF), celebrada dentro de IberLEF/SEPLN 2021. La tarea se centra en el reconocimiento y detección de ocupaciones en textos médicos en castellano. MEDDOPROF propone tres retos: NER (reconocimiento de profesiones, situaciones laborales y actividades), CLASS (clasificar cada ocupación en función de su referente, como puede ser el paciente o un familiar) y NORM (normalizar menciones a las terminologías ESCO y SNOMED-CT). De un total de 40 equipos registrados, 15 han presentado un total de 94 sistemas. Los sistemas de mejor rendimiento se basan en tecnologías de aprendizaje profundo como transformers, llegando a conseguir una F-score de 0.818 en detección de ocupaciones (NER), 0.793 en clasificación de ocupaciones por su referente (CLASS) y 0.619 en normalización (NORM). Futuras iniciativas deberían tener también en cuenta aspectos multilingües y la aplicación en otros dominios como servicios sociales, recursos humanos, análisis del mercado legal y laboral o la política.
No takes yet. Share an insight, caveat, or question.
López et al. (2021) studied this question.
Synapse has enriched 10 related papers. Consider them for comparative context: