Delgado Roman, Carlos IgnacioBonilla Arandia, Daniel2024-07-162024-07-162024-06https://hdl.handle.net/20.500.12495/12672Las actividades de evaluación de registros clínicos electrónicos (EHR) como la medición de adherencia a Guías de Práctica Clínica (GPC) presentan un reto para los prestadores de servicios de salud, puesto que su adecuada implementación permite reducir la variabilidad de la atención y costos de atención. Sin embargo, es una tarea que requiere una revisión de registros elevado y retroalimentación constante para considerarse exitosa. Esta investigación presenta el diseño y desarrollo de un prototipo basado en Procesamiento de Lenguaje Natural (NLP) mediado por Deep Learning para evaluar la adherencia a Guías de Práctica Clínica (GPC) en registros clínicos electrónicos, haciendo uso de un modelo grande de lenguaje (LLM) preentrenado y la combinación de Prompt Engineering y Retrieval Augmented Generation (RAG) para analizar las historias clínicas y determinar la adherencia.esAtribución-NoComercial-CompartirIgual 4.0 InternacionalProcesamiento de lenguaje naturalGuías de práctica clínicaModelo grande de lenguajeRecuperación generación aumentadaRegistros clínicos electrónicosNLPGPCLLMRAGEHRDiseño y desarrollo de una herramienta basada en procesamiento de lenguaje natural mediado por Deep Learning para evaluación de registros clínicos electrónicosNatural Language ProcessingClinical Practice GuidelinesLarge Language ModelRetrieval Augmented GenerationElectronic Health RecordsNLPCPGLLMRAGEHRDesign and development of a tool based on Natural Language Processing mediated by Deep Learning for the evaluation of electronic health recordsAcceso abiertohttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccess