Revista Científica de Sistemas e Informática Vol. 5 Núm. 2

La extraccio n precisa de relaciones entre fa rmacos y eventos adversos a medicamentos (ADE) es fundamental para mejorar la seguridad del paciente. Sin embargo, los enfoques actuales tienen dificultades para captar relaciones complejas debido a limitaciones en la representacio n contextual. En el conjunto de datos n2c2, las instancias ADEFa rmaco (1107) son considerablemente menos numerosas que otras como Fuerza-Fa rmaco (6702) o Razo n-Fa rmaco (5169), lo que introduce un fuerte desequilibrio que complica su identificacio n. Se emplea un modelo basado en codificadores de transformadores para generar representaciones contextuales, incorporando un mecanismo de atencio n dual que enfoca tanto en las entidades como en su entorno clí nico. A trave s del aprendizaje contrastivo, se refina la representacio n de los pares de entidades, diferenciando con mayor precisio n las relaciones correctas de las incorrectas. En las evaluaciones experimentales, se alcanzo un F1 general del 93,31 % y un 83,31 % en la relacio n ADEFa rmaco, superando a me todos previos. La combinacio n de codificacio n contextual, atencio n especializada y discriminacio n contrastiva permite afrontar con mayor eficacia los desafí os derivados del desequilibrio de clases y de la complejidad sema ntica del lenguaje clí nico.

Compartir: