Mejorando la extracción automática de relaciones biomédicas usando diferentes características lingüísticas de los textos.

Abstract

La extracción de relaciones entre entidades es una tarea muy importante dentro del procesamiento de textos biomédicos. Cada vez hay más información sobre este tipo de interacciones almacenada en bases de datos, pero sin embargo la mayor cantidad de información relacionada con el tema está presente en artículos científicos o en recursos donde la información se almacena en formato textual.Las interacciones entre fármacos son, en particular, una preocupación generalizada en medicina, por esa razón la extracción automática de este tipo de relaciones es una tarea muy demandada en el procesamiento de textos biomédicos. Una interacción entre 2 fármacos normalmente se produce cuando un fármaco altera el nivel de actividad de otro fármaco. De acuerdo a los informes presentados por la Adminsitración Nacional de Alimentos y Fármacos de Estados Unidos y otros estudios reconocidos [1], cada año se producen más de 2 millones de interacciones mortales entre fármacos. Muchos investigadores y compañías farmaceúticas han desarrollado bases de datos donde estas interacciones son almacenadas. Sin embargo, la información más actualizada y valiosa sigue apareciendo sólo en documentos no estructurados en formato textual, incluyendo publicaciones científicas e informes técnicos.En esta tesis se estudian 3 conjuntos de características lingüísticas de los textos: negación,dependencia clausal y candidatos neutros. El objetivo final de la investigación es mejorar el rendimiento de la tarea de extracción de interacciones entre fármacos considerando las combinaciones de las características lingüísticas extraídas de los textos con métodos de aprendizaje basados en kernel...

Extracting biomedical relations from texts is a relatively new, but rapidly growing researchfield in natural language processing (NLP). Due to the increasing number of biomedicalresearch publications and the key role of databases of biomedical relations in biological andmedical research, extracting biomedical relations from scientific articles and text resourcesis of utmost importance.Drug-drug interactions (DDI) are, in particular, a widespread concern in medicine, and thus,extracting this kind of interactions automatically from texts is of high demand in BioNLP. Adrug-drug interaction usually occurs when one drug alters the activity level of another drug.According to the reports prepared by the U. S. Food and Drug Administration (the FDA) andother acknowledged studies [1], over 2 million life-threatening DDIs occur in the UnitedStates every year. Many academic researchers and pharmaceutical companies havedeveloped relational and structural databases, where DDIs are recorded. Nevertheless,most up-to-date and valuable information is still found only in unstructured research textdocuments, including scientific publications and technical reports.In this thesis, three complementary, linguistically driven, feature sets, are studied: negation,clause dependency, and neutral candidates. The ultimate aim of this research is to enhancethe performance of the DDI extraction task by considering the combinations of theextracted features with well-established kernel methods...