Resumen Automático de Texto de Datos Biomédicos: Una Revisión Sistemática
Autores: Chaves, Andrea; Kesiku, Cyrille; Garcia-Zapirain, Begonya
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Resumen Automático de Texto de Datos Biomédicos: Una Revisión Sistemática
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Evolución
Tecnología
Datos de texto
Biomédico
Resumir
Métrica de evaluación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
En los últimos años, la evolución de la tecnología ha llevado a un aumento en los datos textuales obtenidos de muchas fuentes. En el ámbito biomédico, la información textual también ha evidenciado este crecimiento acelerado, y los sistemas automáticos de resumen de texto desempeñan un papel esencial en la optimización de los recursos de tiempo de los médicos e identificación de información relevante. En este artículo, presentamos una revisión sistemática de investigaciones recientes sobre la resumición de texto para datos textuales biomédicos, centrándonos principalmente en los métodos empleados, el tipo de datos de entrada, las áreas de aplicación y las métricas de evaluación utilizadas para evaluar los sistemas. La encuesta se limitó al período comprendido entre el 1 de enero de 2014 y el 15 de marzo de 2022. Los datos recopilados se obtuvieron de las bibliotecas digitales de WoS, IEEE y ACM, mientras que las estrategias de búsqueda se desarrollaron con la ayuda de expertos en técnicas de PLN y revisiones sistemáticas previas. Se llevaron a cabo las cuatro fases de una revisión sistemática según la metodología PRISMA, y se determinaron cinco factores de resumen para evaluar los estudios incluidos: Entrada, Propósito, Salida, Método y Métrica de Evaluación. Los resultados mostraron que el 3.5% de 801 estudios cumplían con los criterios de inclusión. Además, la resumición de documentos únicos, literatura biomédica, genérica y extractiva resultó ser los enfoques más comunes empleados, mientras que las técnicas basadas en aprendizaje automático se realizaron en 16 estudios y Rouge (Recall-Oriented Understudy for Gisting Evaluation) se reportó como la métrica de evaluación en 26 estudios. Esta revisión encontró que en los últimos años, se han implementado más metodologías basadas en transformadores para fines de resumición en comparación con una encuesta anterior. Además, todavía existen algunos desafíos en la resumición de texto en diferentes dominios, especialmente en el campo biomédico en términos de demanda de más investigación.
Descripción
En los últimos años, la evolución de la tecnología ha llevado a un aumento en los datos textuales obtenidos de muchas fuentes. En el ámbito biomédico, la información textual también ha evidenciado este crecimiento acelerado, y los sistemas automáticos de resumen de texto desempeñan un papel esencial en la optimización de los recursos de tiempo de los médicos e identificación de información relevante. En este artículo, presentamos una revisión sistemática de investigaciones recientes sobre la resumición de texto para datos textuales biomédicos, centrándonos principalmente en los métodos empleados, el tipo de datos de entrada, las áreas de aplicación y las métricas de evaluación utilizadas para evaluar los sistemas. La encuesta se limitó al período comprendido entre el 1 de enero de 2014 y el 15 de marzo de 2022. Los datos recopilados se obtuvieron de las bibliotecas digitales de WoS, IEEE y ACM, mientras que las estrategias de búsqueda se desarrollaron con la ayuda de expertos en técnicas de PLN y revisiones sistemáticas previas. Se llevaron a cabo las cuatro fases de una revisión sistemática según la metodología PRISMA, y se determinaron cinco factores de resumen para evaluar los estudios incluidos: Entrada, Propósito, Salida, Método y Métrica de Evaluación. Los resultados mostraron que el 3.5% de 801 estudios cumplían con los criterios de inclusión. Además, la resumición de documentos únicos, literatura biomédica, genérica y extractiva resultó ser los enfoques más comunes empleados, mientras que las técnicas basadas en aprendizaje automático se realizaron en 16 estudios y Rouge (Recall-Oriented Understudy for Gisting Evaluation) se reportó como la métrica de evaluación en 26 estudios. Esta revisión encontró que en los últimos años, se han implementado más metodologías basadas en transformadores para fines de resumición en comparación con una encuesta anterior. Además, todavía existen algunos desafíos en la resumición de texto en diferentes dominios, especialmente en el campo biomédico en términos de demanda de más investigación.