modelos basados en Transformers para solucionar problemas de lenguaje natural en biomedicina pero servirá de excusa para ver como funciona estos modelos y como aplicarlos a cualquier ámbito. • Estos modelos han adquirido una especial importancia en NLP desde que se unieron los Transformers que permiten el análisis bidireccional de secuencias de palabras con técnicas de transfer learning. • El primer modelo con estas características fue Bert. • Nos centraremos en este modelo para explicar esta nueva corriente de modelos. • A la derecha tenemos un Transformer que se divide en el codificador y el decodificador. Bert solo tiene el codificador. • Nos centraremos ahora en explicar las partes más importantes de este modelo. •Bert utiliza una estructura de dos frases que están separadas por tokens artificiales.
•La capa de embedding no solo se forma con
la vectorización de los tokens. Se añaden otras vecorizacones como la frase a la que pertenece o en el ámbito biomédico la edad o el sexo del paciente. • También hay un embbeding de posición. Se podría poner directamente la posición pero las redes neuronales no funcionan bien con secuencias variables de números.
• Por lo que se puede hacer una normalización 0-1 pero tampoco es
una buena idea porque las mismas palabras pueden tener distintos valores para una misma posición.
• La solución elegida es utilizar frecuencias. La fórmula que se utiliza es
la que se encuentra abajo a la derecha. • Otra parte importante es la capa de atención del transformer. En esta capa se introducen tres veces los embbedings que hemos sacado de la capa anterior. • Los dos primeros se multiplican para dar un Filtro de Atención que es una tabla donde se encuentra lo relacionado que están los tokens de la frase. • La solución de esta capa se vuelve a multiplicar con otro de los embbedings lo que permite sacar el Filtro de Valor que devuelve las relaciones entre los términos más importantes de la frase. • Los Transformers concatenan varias capas de self-attention y cada una da importancia a distintas partes de la frase. Estas redes se entrenan con grandes conjuntos de datos utilizando problemas simples que les permitan codificar relaciones entre: • palabras como en el método de enmascarar en el que se cambian varias palabras por una etiqueta y se entrena a la red para averiguar esa palabra en base al contexto. • Y para codificar relaciones entre frases como en problemas de averiguar si dada dos frases la segunda es la siguiente de la primera. O averiguar el orden de dos frases. • Estas redes se pueden entrenar añadiendo un corpus general lo que permite aumentar el tamaño de conjunto de entrenamiento. O solo con textos del dominio lo que permite que el vocabulario concuerde con el lenguaje utilizado en ese área de conocimiento.
• En datos biomédicos se suele utilizar un entrenamiento
simultaneo con corpus generales y del dominio. Lo que requiere grandes conjuntos de datos del dominio. Pero es algo que suele ser así en el ámbito biomédico. • El prentrenamiento en grandes conjuntos de datos con tareas generales de modelos muy robustos. Pero el modelo necesita un conocimiento específico en la tarea y del dominio. Esta tarea se denomina Fine-tunning. Registros electrónicos de salud: Detalles del tratamiento desde el ingreso hasta el alta, Contiene información confidencial por lo que deben ser anonimizados si se intercambian. Los datos más valiosos y complicados de extraer son las notas clínicas por lo que se suele utilizar técnicas de NLP para extraerlos.
Redes sociales: Sorprendentemente es muy útil en ciertos dominios:
• Extracción y clasificación de entidades clínicas • Interacciones automáticas con Paciente • Literatura científica: Este tipo de documentos tienen una Mayor especificidad del dominio. Pero suelen ser muy largos por lo que suelen utilizar técnicas de NLP para resumirlos o extraer características.
Terapia cognitivo-conductual (TCC) y terapia dialéctico-conductual (TDC): Cómo la TCC, la TDC y la ACT pueden ayudarle a superar la ansiedad, la depresión, y los TOCS
Libro de Trabajo DE LA TERAPIA DE ACEPTACIÓN Y COMPROMISO (ACT). UNA GUÍA COMPLETA PARA CAMBIAR EL MINDFULNESS Y RECUPERARSE DE LA ANSIEDAD, LA DEPRESIÓN, LOS ATAQUES DE PÁNICO Y LA IRA
Lee a las personas como un libro: Cómo analizar, entender y predecir las emociones, los pensamientos, las intenciones y los comportamientos de las personas