Desarrollo de un modelo predictivo basado en procesamiento de lenguaje natural para la identificación de pacientes candidatos a derivación a asesoramiento genético oncológico

Abstract

Este trabajo presenta el desarrollo de un modelo predictivo basado en técnicas de procesamiento de lenguaje natural (NLP) con el objetivo de identificar pacientes que requieren derivación a Asesoramiento Genético Oncológico (AGO). La investigación fue realizada en colaboración con la Fundación Arturo López Pérez (FALP) y responde a la creciente necesidad de optimizar la detección de riesgos genéticos vinculados al cáncer de mama y de colon. La metodología contempla varias etapas, incluyendo el preprocesamiento de datos clínicos, el análisis de datos estructurados y no estructurados, y el entrenamiento de modelos utilizando BioBERT, un modelo avanzado de NLP diseñado específicamente para el ámbito biomédico. En conjunto, el modelo propuesto constituye un aporte significativo hacia una atención médica más personalizada y eficiente, al disminuir los errores en la derivación clínica y mejorar el uso de los recursos en diagnóstico y tratamiento. This study presents the development of a predictive model based on natural language processing (NLP) techniques aimed at identifying patients who require referral to Oncogenetic Counseling (AGO). The research was conducted in collaboration with the Fundación Arturo López Pérez (FALP) and addresses the growing need to enhance the detection of genetic risks associated with breast and colorectal cancer. The methodology comprises several stages, including clinical data preprocessing, analysis of both structured and unstructured data, and the training of models using BioBERT, an advanced NLP model specifically designed for biomedical applications. Overall, the proposed model represents a significant contribution toward more personalized and efficient healthcare by reducing errors in clinical referral and optimizing the use of diagnostic and treatment resources.