Descripción breve conjunta de la solución y valor añadido que aporta
El objetivo principal de Drugs4Covid es crear recursos, siguiendo los principios de la Ciencia Abierta, que faciliten la extracción de conocimiento a partir de literatura científica relacionada con el Coronavirus. Estos recursos pueden aprovecharse por comunidades científicas que realizan investigación en relación con SARS-CoV-2/COVID-19 y también por comunidades terapéuticas, laboratorios, etc., que deseen encontrar y entender relaciones entre síntomas, medicamentos, principios activos y sus evidencias documentales.
Descripción de la base tecnológica
Se ha creado una guía de buenas prácticas que revisa y documenta los pasos necesarios para construir grafos de conocimientos a partir de conjuntos de artículos científicos. En las primeras etapas es necesario estructurar los datos que se recogen en forma de texto escrito y para ello hemos desarrollado modelos de reconocimiento de entidades nombradas que identifican los medicamentos, enfermedades, genes y proteínas mencionados en los artículos científicos. Se basan en modelos del lenguaje ya existentes que se han ajustado con vocabularios específicos para normalizar las referencias mediante códigos estandarizados (e.g. MeSH, ATC, ICD-10, SNOMED).
El descubrimiento de relaciones entre las entidades clínicas, ya sea explícito cuando se mencionan en los mismos textos o implícito a partir de sus representaciones semánticas, se ha abordado mediante modelos de representación basados en tópicos probabilísticos. En concreto, se ha realizado un estudio de las capacidades que ofrecen las representaciones basadas en tópicos dinámicos para capturar la relevancia de los medicamentos en el tratamiento del coronavirus. En esta línea, y para mejorar el rendimiento de los modelos del lenguaje para reconocer y relacionar entidades biomédicas en textos médicos en español, hemos anotado manualmente 200 casos clínicos en español con siete tipos de relaciones (analiza, altera, causa, diagnostica, manifestación_de, produce, refiere_a, y trata) y entre doce tipos de entidades (Enfermedad/Síndrome, Gen, Parte del cuerpo/Órgano, Glúcido, Procedimiento de Diagnóstico, Proteína, Procedimiento Terapeútico, Síntoma/Signo, Sustancia Farmacológica, Lípido, Organismo, Químico Orgánico y Abreviatura/Sigla/Alias).
Para añadir significado a las anotaciones y describir las evidencias que extraemos automáticamente al procesar los artículos científicos hemos creado la ontología EBOCA, donde se modelan las asociaciones entre conceptos biomédicos con respaldo en la literatura científica. Como resultado final publicamos un grafo de conocimientos Drugs4Covid con evidencias entre los medicamentos y enfermedades mencionados en el corpus CORD-19, que contiene publicaciones científicas sobre coronavirus en los últimos 50 años.
Finalmente, y para facilitar el acceso a toda esta información sin necesidad de ser experto en tecnologías semánticas, hemos creado una interfaz de pregunta-respuesta en lenguaje natural que permite consultar su contenido junto con otras bases de conocimiento externas, como por ejemplo DBpedia y Wikidata.
Necesidades de negocio / aplicación
- Necesidad de creación eficiente de relaciones entre entidades clínicas para optimizar las búsquedas complejas de información en este ámbito.
Referencias previas de prestación
- Como resultado final y caso de uso de la solución, se ha publicado un grafo de conocimientos Drugs4Covid con evidencias entre los medicamentos y enfermedades mencionados en el corpus CORD-19, que contiene publicaciones científicas sobre coronavirus en los últimos 50 años.
Ventajas competitivas
- Implementación de buenas prácticas para agilizar la construcción del grafo de conocimientos.
- No se requiere conocimiento en lenguajes formales: acceso a la información mediante consultas en lenguaje natural.
- Desarrollo basado en estándares y sistemas existentes.
Protección
- Patente
- Registro sw
- Secreto industrial
Grado de desarrollo
- Concepto
- Investigación
- Prototipo – lab
- Prototipo industrial
- Producción
