Aplicac?a?o de algoritmos de intelige?ncia computacional para resoluc?a?o de problemas reais

Aplicac?a?o de algoritmos de intelige?ncia computacional para resoluc?a?o de problemas reais

• Autor
• Hyan Hugo Noá Batista
• Co-autores
• André Câmara Alves do Nascimento
• Resumo

• O volume, a complexidade e a heterogeneidade de dados na área da saúde vêm aumentando rapidamente graças aos avanços tecnológicos. Entre eles estão dados biomédicos, como relatórios clínicos e dados genéticos. Além disso, nas últimas seis décadas presencia-se um crescimento importante de dados biomédicos onde 3000 novos artigos são publicados diariamente em várias revistas. Uma outra prova disso é a necessidade de sistemas como o PUBMED, o qual se propõe a classificar, organizar e categorizar artigos dessa área. A plataforma PUBMED já conta com mais de 30 milhões de citações e resumos da literatura biomédica e segue expandindo seu acervo. Esses dados, contudo, são essencialmente narrativos, ou seja, tratam-se de artigos científicos, transcrições de aulas e conferências, relatórios médicos, entre outros. A quantidade de literatura na área de biomedicina está crescendo a um passo tão acelerado que é difícil localizar, recuperar e gerenciar eficientemente informações relevantes sem o uso de aplicações de mineração de texto. O reconhecimento de entidades biomédicas em textos, majoritariamente desestruturados, é de extrema importância.

  Os textos em questão são representados digitalmente como uma sequência de caracteres e tal representação é usualmente processada para adicionar estrutura explicitamente em uma forma que facilite sua leitura por uma máquina. Sendo assim, através de técnicas de processamento de linguagem natural (PLN) torna-se possível transformar dados textuais em dados estruturados, possibilitando a extração da maior parte das informações, como nomes de genes e doenças.

  Este trabalho realiza um estudo mais atualizado acerca da literatura em BioNER que abranja os artigos publicados na área desde 2016 até 2020. Desta forma, a principal contribuição deste trabalho, é fornecer uma visão atualizada do estado da arte no que se refere às aplicações de técnicas de DL na área de BioNER.

   

• Palavras-chave
• BioNER, PLN, Aprendizagem de máquina
• Área Temática
• Computação (SEDE)