Parkinson’s Disease(PD), one of the most serious neurodegenerative diseases that known huge controversy on social networks. Following medical lexicons, few approaches have been extended to leverage sentiment information that obviously reflects the patient’s health status in terms of related-narratives observations. It is been crucial to analyze online narratives and detect sentiment in patients’ self-reports. In this paper, we propose an automatic concept-level neural network method to distilling genuine sentiment in patients’ notes as medical polar facts into true positives and true negatives. Towards building emotional Parkinsonism assisted method from Parkinson’s Disease daily narratives di- gests, we characterize polar facts of defined medical configuration space through distributed biomedical representation at the concept-level as- sociated with real-world entities, which are operated to quantifying the emotional status of the speaker context. We conduct comparisons with state-of-art neural networks algorithms and biomedical distributed systems. Finally, as a result, we achieve an 85.3% accuracy performance, and the approach shows a well-understanding of medical natural language concepts.Enfermedad de Parkinson (EP), una de las enfermedades neurodegenerativas más graves que ha suscitado una gran polémica en las redes sociales. Siguiendo los léxicos médicos, se han extendido pocos enfoques para aprovechar la información del sentimiento que obviamente refleja el estado de salud del paciente en términos de observaciones narrativas relacionadas. Es crucial analizar las narrativas en línea y detectar el sentimiento en los autoinformes de los pacientes. En este artículo, proponemos un método automático de red neuronal a nivel de concepto para destilar el sentimiento genuino en las notas de los pacientes como hechos médicos polares en verdaderos positivos y verdaderos negativos. Hacia la construcción del método asistido por el parkinsonismo emocional a partir de los diálogos narrativos diarios de la enfermedad de Parkinson, caracterizamos los hechos polares del espacio de configuración médica definida a través de la representación biomédica distribuida a nivel de concepto asociada con entidades del mundo real, que se operan para cuantificar el estado emocional del contexto del hablante. Realizamos comparaciones con algoritmos de redes neuronales de última generación y sistemas distribuidos biomédicos. Finalmente, como resultado, logramos un rendimiento de precisión del 85,3%, y el enfoque muestra una buena comprensión de los conceptos del lenguaje natural médico.