Estudios
Observacionales.
Nuestra tecnología es capaz de identificar variables entre millones de puntos de datos, favoreciendo de ese modo el reclutamiento de pacientes para estudios observacionales.
Contáctanos
Los estudios observacionales resultan fundamentales en el campo de la investigación clínica, ya que permiten analizar la evolución natural de las enfermedades y los efectos de los tratamientos.
Nuestro enfoque.
Somos líderes en el procesamiento del lenguaje natural aplicado a datos clínicos. Además, nos hemos convertido en un aliado estratégico a la hora de estructurar y estandarizar la información procedente de un amplio abanico de fuentes de datos hospitalarios con el objetivo de detectar variables relevantes. Nuestra tecnología detecta las variables que cumplen los criterios específicos del estudio de forma rápida y eficaz.
Nuestra tecnología.
Mapeo conceptual
automatizado.
Nuestra tecnología puede automatizar el mapeo y estructuración de todas las fuentes de datos hospitalarios, como los resultados de laboratorio, los procedimientos radiológicos o la información farmacéutica, entre otros, a un modelo estandarizado.
Modelo de datos común
OMOP.
Nuestra tecnología estandariza todos los datos hospitalarios al modelo de datos comunes OMOP. El hecho de disponer de datos estandarizados permite a las organizaciones sanitarias aprovechar su potencial a través del establecimiento de colaboraciones con otras organizaciones del sector salud.
Procesamiento del
lenguaje natural.
Nuestra tecnología basada en la IA y nuestros sistemas de procesamiento de lenguaje natural pueden comprender entradas de texto libre de historias clínicas y extraer la información relevante teniendo en cuenta el contexto. No se trata únicamente de extraer palabras clave, sino de lograr un entendimiento profundo de la información y garantizar su calidad a través de un doble control de calidad.
Modelo federado
de datos.
Nuestro modelo federado de datos permite a los hospitales almacenar sus datos dentro de sus propias instalaciones hospitalarias, lo que garantiza su plena protección y disponibilidad, y el cumplimiento del RGPD.
Resultados significativos.
Rápida recolección de datos para el CRD.
Una de las principales ventajas de la tecnología de procesamiento del lenguaje natural de IOMED en los estudios observacionales es una considerable aceleración del proceso de reclutamiento de pacientes. Gracias a la eficiente y rápida identificación de variables relevantes a partir de millones de puntos de datos que cumplen los criterios del estudio, optimizamos el proceso de reclutamiento de pacientes elegibles para el estudio. Ello da lugar a un proceso de recopilación de datos más rápido y permite a los investigadores iniciar y completar sus estudios en menor tiempo.
Reducción de
Costes.
La eficacia del proceso de reclutamiento de pacientes también conlleva una reducción de los costes para los investigadores y las instituciones médicas. Al automatizar la identificación de los candidatos, se consigue reducir la necesidad de llevar a cabo una amplia preselección de forma manual, así como de realizar numerosas tareas administrativas. Este ahorro de costes permite a los investigadores asignar sus recursos de un modo más eficaz, lo que puede dar lugar a la realización de un mayor número de estudios y contribuir a nuevos avances en el campo de la investigación médica.
Mejora de la calidad de los datos.
La amplia representación de muestras de pacientes obtenida por medio de los sistemas de procesamiento del lenguaje natural de nuestra tecnología aumenta la validez y pertinencia de los resultados del estudio. El hecho de obtener información de todas las fuentes de datos hospitalarios permite a los investigadores tomar decisiones estratégicas y basadas en datos. Esta mejora de la calidad de los datos contribuye a crear una base de datos empíricos más sólida, propiciando así avances en el conocimiento médico.
Explora otros casos
de uso.
Explora otros casos de uso.
Construye un futuro basado en datos.
Aprovecha el potencial de los datos explorando posibilidades junto a nosotros.
Datos protegidos.
Sanidad empoderada.
Cumplimos estrictamente los principios y las normas establecidos por el Reglamento General de Protección de Datos (RGPD). Nuestras rigurosas medidas de seguridad garantizan el respeto de los derechos individuales y la protección de los datos en todo momento. Actuamos bajo las consideraciones éticas más estrictas, al tiempo que ofrecemos a los profesionales sanitarios la posibilidad de aprovechar el poder de los datos.
Principales referencias.
The DERMACLEAR study: Verification results of a natural language processing system in dermatology
Results from the DERMACLEAR study will increase the real-world evidence of clinical practice, obtaining a large amount of information on patients with the studied diseases. The NLP system used is precise in identifying patients diagnosed with HS, PsO, CU and/or AD, and other medical variables from EHRs, highlighting that it is a valid system to use in the DERMACLEAR study.
August, 2023
An open source corpus and automatic tool for section identification in Spanish health records.
This work shows that it is possible to build competitive automatic systems when both data and the right evaluation metrics are available. The annotated data, the implemented evaluation scripts, and the section identification Language Model are open-sourced hoping that this contribution will foster the building of more and better systems.
September, 2023
NATI (NATural language in ThyroId cancer).
A total of 5137 medical records of patients diagnosed with thyroid cancer between 2015 and 2022 were included. The median follow-up (interquartile range) was 29.7 months (8.8-55.8). The mean age at the time of diagnosis was 55 years (SD 18), and 67% were women. The stage could be classified in a subgroup of 520 patients, of which 60% (n=313) had advanced stages. Metastasis was observed in 2177 patients (42%) during the follow-up, mainly in lymph nodes (44%). It was also identified that the majority of patients (71%; n=3629) had some comorbidity.
September, 2023
Extending the OMOP CDM to store the output of natural language processing pipelines.
Although OMOP CDM provides a NOTE_NLP table to store the outputs of NLP algorithms, queries to this table can become clumsy and slow, so we designed and extended the OMOP CDM with our own NLP schema to store the results generated in the annotation process of NLP. We designed an extension of the OMOP CDM able to store the output of NLP solutions while integrating with the vocabulary normalization process of the OMOP CDM.
September 2021
A Framework for False Negative Detection in NER/NEL
Finding the false negatives of a NER/NEL system is fundamental to improve it, and is usually done by manual annotation of texts. However, in an environment with a huge volume of unannotated texts (e.g. a hospital) and a low frequency of positives (e.g. a mention of a particular disease in the clinical notes) the task becomes very inefficient.
June 2022
Efficient automated mapping of internal source codes to OMOP CDM concepts
Our automated concept mapping system provides an efficient way of mapping source codes to OMOP concepts. By utilizing text-based vector representations and knowledge transfer, our system can find equivalent mappings from other hospitals, thereby reducing the time and effort required for manual mapping.
June, 2023
ContextMEL: Classifying Contextual Modifiers in Clinical Text.
Taking advantage of electronic health records in clinical research requires the development of natural language processing tools to extract data from unstructured text in different languages. A key task is the detection of contextual modifiers, such as understanding whether a concept is negated or if it belongs to the past. We present ContextMEL, a method to build classifiers for contextual modifiers that is independent of the specific task and the language, allowing for a fast model development cycle.
June, 2020
Actualidad.
Keep
Updated!
©IOMED 2023
-
All rights reserved
Privacy Policy
Terms & Conditions
Cookie Policy
GDPR
Recinto Modernista Sant Pau
Sant Antoni Maria Claret 167
08025 Barcelona
info@iomed.health
