[SUGESTÃO] Modelo NER com spacy

Assisti à Live de Python nº 226 - spaCy: Introdução a Processamento de Linguagem Natural. Foi muito massa, e fiquei curioso sobre como seria aplicar o Spacy a um domínio específico, como a área da saúde. O inscrito Geoffrey Moraes Porto perguntou na Live algo parecido com o que sugiro aqui.
A ideia para um projeto prático seria a seguinte: identificar quais seriam os termos em um texto que se referem a exames médicos, como hemograma completo, raio X, ultrassonografia, etc. Essa base de termos específicos eu consigo gerar a partir de documentação disponível no site da Agência Nacional de Saúde - ANS.
Para tornar a prática bem mais interessante, temos que lembrar que esses exames médicos possuem vários "apelidos" dados pelos médicos. Por exemplo, Raio X pode ser escrito como RX, ultrassonografia pode ser escrito como US ou USG. Além disso, vários desses exames referem-se a determinada parte do corpo: Raio X pode ser de braço, de pé direito, pé esquerdo, etc.
E para facilitar o entendimento, esse conteúdo poderia ser divido em duas lives, de modo que o assunto pudesse ser abordado calmamente, sem correria.

Start by reviewing the proposed ANS documentation and the spaCy NER material from Python Live #226. Define the medical-exam terms, abbreviations, body-part variants, project scope, and whether the work should be split across two lives; done means the scope and practical deliverables are agreed before implementation.

Written by the indexing model from the issue text.