Делюсь презентацией с сегодняшнего выступления на Datafest.

Небольшая выдержка из текста доклада про то, на каком этапе мы сейчас находимся в решении этого кейса и куда будем двигаться.

Главная сложность которая сейчас нас блокирует - это работа с дублями биомаркеров.
Нам нужно метчить распознное значение биомаркера с бланка со значениями и их синонимами в нашей базе.
Чтобы адекватно формировать историю изменения показателей биомаркера.
А не создавать каждый раз новый биомаркер, вместо привязки имеющегося.

Текстовый поиск с этим не справился.
Стандартный векторный поиск тоже не справился, потому что логика смысловой близости наименований биомаркеров не соответствует русскому и английскому языкам.
Можно сказать что для модели - наименования и синонимы биомаркеров - это "новый язык".

Мы хотим попробовать дообучить на этом "новом языке" эмбединговую модель векторного поиска на собранных наименованиях и синонимах.