Desenvolvimento de um Sistema Inteligente para Analise e Gestao de Textos Medicos sobre Cancer em Prontuarios Eletronicos com Processamento de Linguagem Natural
Sumarização. NER. Prontuários Eletrônicos do Paciente.
Com o avanço tecnológico da saúde no Brasil, os Prontuários Eletrônicos de Pacientes (PePs) se tornaram o meio principal na gestão dos dados clínicos, especialmente no contexto de doenças crônicas como o câncer, uma das principais causas de mortalidade no país. Os PePs armazenam uma grande quantidade de informações relevantes sobre o paciente, incluindo histórico clínico, diagnósticos e tratamentos. Contudo, grande parte desses dados estão em formato de textos livres e sem padronização, o que dificulta sua análise e interpretação. Nesse contexto, este trabalho tem o objetivo principal de desenvolver um sistema inteligente para extrair e organizar as informações de pacientes com câncer a partir de PePs, utilizando técnicas de Processamento de Linguagem Natural (PLN) e Aprendizado de Máquina (AM). Diante deste objetivo, a abordagem inclui o desenvolvimento de dois modelos: um de Reconhecimento de Entidades Nomeadas (NER), baseado no ajuste fino de um modelo BERT treinado em português, para classificar palavras em três categorias médicas; e outro utilizando o modelo LLama para realizar a sumarização de dados clínicos. A aplicação desses modelos visa lidar com os desafios identificados na revisão sistemática da literatura, relacionados tanto à alta complexidade dos dados clínicos quanto à limitada disponibilidade de conjuntos de dados rotulados. Ademais, ao longo do trabalho serão descritos os requisitos da solução, bem como detalhes de sua arquitetura e implementação, trazendo como resultados duas interfaces principais: uma em formato de bot, que mostra as informações dos PePs sumarizados, e outra composta por dashboards que exibem os dados estruturados gerados pelos modelos de NER.