Uso de redes neurais artificiais para extração de dados de prontuários médicos

Página do item simplificado
dc.contributor.advisorSilveira, Liciana Vaz de Arruda [UNESP]
dc.contributor.advisorCorrente, José Eduardo [UNESP]
dc.contributor.authorRocha, Naila Camila da
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2021-09-14T18:03:10Z
dc.date.available2021-09-14T18:03:10Z
dc.date.issued2021-07-16
dc.description.abstractDiversos estudos recentes têm utilizado inteligência artificial na extração e tratamento de dados secundários na área da saúde, obtidos em prontuários eletrônicos hospitalares. No entanto, alguns estudos são inviáveis devido a informações incompletas ou inseridas apenas em campos narrativos. O objetivo deste trabalho é desenvolver uma rede neural que utilize os dados desses campos para obter informações estruturadas referentes aos sintomas, diagnósticos, medicamentos, condições, exames e tratamentos. A rede neural proposta facilitará a descoberta de relações entre doenças e sintomas, prevalências e incidências, a identificação de condições clínicas, a evolução de enfermidades e os efeitos das medicações prescritas. O algoritmo utiliza métodos de processamento de linguagem natural para extração de textos e redes neurais convolucionais para reconhecimento de padrões. Foram simulados diferentes valores e funções para a determinação dos hiperparâmetros e otimizadores mais adequados para o modelo de Reconhecimento de Entidades Nomeadas (NER) desenvolvido através da biblioteca spaCy em Python. Para uma análise exploratória dos dados extraídos e demonstração da aplicabilidade do modelo foram executadas técnicas da estatística multivariada de análise de agrupamento, obtendo quatro grupos que melhor representam os perfis dos pacientes e os medicamentos por eles utilizados. Os resultados obtidos foram significativos considerando a complexidade do modelo, com um F-Score de 63,9% e Precision de 72,7%. A classe Condição do Paciente chegou a atingir 90,3% de Precision, seguido por Medicação com 87,5%. No desenvolvimento do presente trabalho, foram utilizados dados de 30.000 prontuários de pacientes do Hospital das Clínicas da Faculdade de Medicina de Botucatu/SP - Brasil (HCFMB), gerando um corpus com 1.200 textos clínicos. A utilização de NER em dados clínicos se mostrou uma ferramenta capaz de extrair informações que não existem em campos estruturados de prontuários médicos. Além disso, análises de agrupamento utilizando esses dados revelam comportamentos e características até então desconhecidas, relacionadas com as Entidades extraídas.pt
dc.identifier.capes33004064083P2
dc.identifier.urihttp://hdl.handle.net/11449/214404
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectReconhecimento de entidades nomeadaspt
dc.subjectAnálise de agrupamentopt
dc.subjectProntuários médicospt
dc.subjectRedes neuraispt
dc.subjectDistância de gowerpt
dc.titleUso de redes neurais artificiais para extração de dados de prontuários médicospt
dc.title.alternativeMedical records data extraction using artificial neural networksen
dc.typeDissertação de mestrado
unesp.campusUniversidade Estadual Paulista (Unesp), Instituto de Biociências, Botucatupt
unesp.embargo24 meses após a data da defesapt
unesp.examinationboard.typeBanca públicapt
unesp.graduateProgramBiometria - IBBpt
unesp.knowledgeAreaBiometriapt
unesp.researchAreaBioestatísticapt

Arquivos

Pacote Original
Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
rocha_nc_me_bot_par.pdf
Tamanho:
350.91 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Imagem de Miniatura
Nome:
rocha_nc_me_bot_int.pdf
Tamanho:
960.55 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.97 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Dissertações - Biometria - IBB