A modo de ejemplo, la base de datos MEDLINE contiene, en la actualidad, más de 20 millones de resúmenes de artículos científicos. Además, los datos médicos, biológicos y clínicos conforman un repositorio muy valioso para obtener conocimiento útil con un alto impacto social. En la actualidad, los centros sanitarios almacenan información tanto en forma no estructurada (texto incluido en informes clínicos, artículos científicos, etc.), como estructurada (bases de datos con resultados de pruebas clínicas de pacientes, bases de datos genéticas, etc.). Esta dualidad también se observa en repositorios de libre disposición para la investigación. Un ejemplo de ello es la base de datos científica MIMIC-II (Multiparameter Intelligent Monitoring in Intensive Care), que contiene resultados de laboratorio, documentación electrónica y datos de la monitorización de los pacientes. Las necesidades de los investigadores y profesionales requieren, de forma cada vez más crucial, herramientas adaptadas a sus requerimientos que faciliten el acceso a dicha información. Para poder extraer conocimiento útil a partir de estos voluminosos almacenes de datos es necesario recurrir a la combinación de las técnicas de minería de textos y minería de datos. Nuestro objetivo principal en este proyecto es el desarrollo de un sistema de información clínico, que denominaremos BIDAMIR (BIomedical DAta Mining and Information Retrieval) que permitirá acceder, de forma inteligente, a la información textual y extraer conocimiento de utilidad desde las fuentes de datos estructuradas. El acceso inteligente a la información textual se logrará integrando recursos léxicos y semánticos del dominio, aplicando técnicas para el procesamiento del lenguaje natural y proponiendo nuevos interfaces de búsqueda y recuperación. La extracción de conocimiento se conseguirá aplicando algoritmos propios de aprendizaje automático para la detección de patrones (reglas de asociación, descubrimiento de subgrupos, entre otros). Estos patrones permitirán a los médicos complementar sus conocimientos con la perspectiva de aplicarlos en medicina preventiva. El sistema será aplicable al dominio clínico en general. No obstante, puesto que cuatro de los investigadores participantes pertenecen al área de Telemedicina e Innovación Tecnológica del Hospital Virgen del Rocío de Sevilla (uno de ellos es el responsable del área), el desarrollo y la evaluación se realizarán en subdominios de patologías concretas que sean de gran prevalencia e impacto en Salud. Nos fijaremos como objetivo diferenciar la parte común del dominio clínico de la específica de los subdominios. De esta manera conseguiremos que la adaptación de nuestro sistema a un nuevo subdominio se lleve a cabo con el menor coste posible.