Depuis le début de la pandémie de COVID-19, les médias sociaux servent de plateformes d’échange de témoignages et d’expériences en temps réel. Cette mine de renseignements pourrait également s’avérer utile pour les chercheurs qui travaillent sur les séquelles de phase post-aiguë du SRAS-CoV-2 (syndrome post-COVID), communément surnommée la COVID longue. Pour mieux utiliser les données partagées sur les réseaux sociaux, nous proposons d’employer des méthodes d’extraction d’entités, qui serviront à établir des renseignements cliniques, puis à définir les tâches en aval. Ces travaux tiennent compte de l’écart entre nos modèles avancés de reconnaissance d’entités et l’extraction d’entités cliniquement pertinentes, qui pourraient servir à expliquer la collecte de renseignements utiles à partir des données de Twitter. Nous proposons ensuite une approche destinée à combler cet écart en utilisant les outils configurables que nous possédons déjà , ainsi que des ensembles de données, pour enrichir les capacités de ces modèles. Vous trouverez le code de ces travaux à https://github.com/VectorInstitute/ProjectLongCovid-NER.
