Modèle désignation mandataire ad hoc

Un autre défi est la disponibilité de «normes d`or» évaluées par rapport auxquelles les systèmes d`information expérimentaux peuvent être évalués. Malgré les restrictions évoquées ci-dessus, les jugements de pertinence faits dans nos recherches n`étaient pas toujours simples. L`ambiguïté existe dans l`histoire naturelle d`un processus de la maladie, la clarté de ses manifestations, les capacités des observateurs, et la compétence des observateurs dans l`utilisation de la langue pour enregistrer leurs résultats. Ces facteurs ajoutent à la difficulté de juger la pertinence de certains rapports, même avec les concepts «pertinents» mis en évidence par RelHelper. Cela a peut-être contribué à ce que les collections de formation ne soient pas complètement représentatives des collections d`essais, ce qui nuirait aux performances du système. Hripcsak et coll. 31 ont récemment étudié la fiabilité des médecins dans l`extraction des faits des rapports de radiologie afin de créer des normes de référence pour la recherche sur les systèmes d`information. Un seul examinateur de documents a participé à nos recherches, et la validité ou la cohérence de ces jugements de pertinence n`a pas été examinée. Le classificateur ad hoc est conçu pour fournir une capacité de classification de texte de façon entièrement automatisée, compte tenu d`une collection de documents de formation jugés pertinents. Lorsque le système est formé avec un nombre suffisant de documents représentatifs, le classifieur formé peut trier une grande collection de documents dans les trois groupes de classes ad hoc définies par l`utilisateur, ce qui permet d`examiner les documents de façon à ce qu`ils soient limités à ceux du classe incertaine. NegExpander est une approche qui peut distinguer positive des preuves négatives et peut jouer un rôle important dans la classification lorsque l`examen des preuves négatives est critique.

Cette question d`étude représente une application potentielle de premier niveau du classificateur en tant que moniteur automatisé d`assurance de la qualité des soins de santé. Le classifieur ad hoc crée un profil de classification conçu pour détecter des preuves spécifiques de conditions suspectes dans les portions de texte non structurées de mammographies. Un grand nombre de mammographies peut être automatiquement classée pour le risque de ces conditions en fonction des niveaux de confiance définis par l`utilisateur.