Modelos de lenguaje especializados para la extracción y normalización de información en documentos clínico-oncológicos.

CoLLMo es un proyecto orientado a resolver problemas específicos en el ámbito del procesamiento de lenguaje natural (PLN) clínico-oncológico en español. Los avances alcanzados permitirán progresar en el desarrollo de modelos de lenguaje de gran escala (LLM) especializados para la extracción automática de información a partir de documentos clínico-oncológicos y su normalización mediante ontologías médicas estandarizadas, con el objetivo de habilitar la implementación de tareas downstream para obtener aplicaciones útiles en la práctica clínica integradas en herramientas software.

El uso de estrategias de generación aumentada por recuperación (RAG) (basadas en LLMs de representación), junto con LLMs generativos, permitirá obtener modelos de inteligencia artificial (IA) fiables transferibles a la práctica clínica de manera más segura, con el fin de realizar tareas de reconocimiento de entidades (NER) y normalización, así como otras tareas downstream como codificación clínica, extracción de relaciones entre entidades clínicas, resumen de historias clínicas con texto enriquecido, clasificación de texto clínico y herramientas de respuesta a preguntas clínicas.