Revisión sistemática de técnicas de procesamiento de lenguaje natural y su impacto en el ámbito Sanitario

Abstract

Este estudio analiza el impacto del procesamiento de lenguaje natural (PLN) en el ámbito sanitario, evaluando las técnicas más eficaces para mejorar procesos y servicios médicos. La investigación utiliza una revisión sistemática basada en el protocolo PRISMA 2020, seleccionando 20 artículos clave de bases de datos académicas como IEEE Xplore y ScienceDirect. Se identifican cuatro técnicas principales: análisis de sentimientos, reconocimiento de NER, clasificación automática de textos y generación de resúmenes. Estas técnicas han demostrado ser herramientas efectivas para mejorar la precisión diagnóstica, optimizar la gestión de datos clínicos y reducir la carga administrativa. El análisis revela que los modelos avanzados de aprendizaje profundo, como BERT y CNN, logran tasas de precisión superiores al 90% en tareas como la clasificación de enfermedades y el resumen automático de informes médicos [51]. Sin embargo, se destacan desafíos asociados con la interoperabilidad de datos y los altos requerimientos computacionales, limitando la implementación en entornos clínicos reales. Este estudio proporciona una visión integral del estado actual del PLN en salud, resaltando su contribución a la toma de decisiones clínicas y proponiendo líneas futuras de investigación para abordar las limitaciones tecnológicas y fomentar una mayor adopción en el sector sanitario.