Text Mining e processamento de linguagem natural para interpretação de notas clínicas

Abstract

Esta dissertação enquadra-se no âmbito da conclusão do Mestrado Integrado em Engenharia e Gestão de Sistemas de Informação na Universidade do Minho, sendo o seu tema “Text Mining e Linguagem Natural Para Processamento de Notas Clínicas”. O tema resultou de uma relação contínua entre um Grupo de Investigação da Universidade do Minho e o Centro Hospitalar do Porto (CHP) – Hospital de Santo António. O CHP tem vários doentes internados nos seus serviços, que estão a receber tratamento para a doença que lhes foi diagnosticada. Para fazer o registo das doenças, dos seus tratamentos e respetivos resultados, os médicos utilizam as Notas Clínicas. Estas armazenam toda a informação relativa ao doente e, frequentemente, a sua análise torna-se complexa porque não existe um padrão de escrita seguido por todos os médicos. O maior desafio deste projeto centrou-se na análise do texto que constitui as Notas Clínicas para, posteriormente, criar um sistema de suporte à decisão e ajudar os médicos a deliberar o melhor para o doente. Para fazer esta análise, foram utilizadas duas técnicas na área da análise e da compressão de texto, o Text Mining e o Processamento de Linguagem Natural (PLN). Desenvolveram-se modelos focados na descoberta de conhecimento no texto presente nas Notas Clínicas, com o objetivo de criar padrões de informação. Além destes, também foram levados a cabo outros modelos de previsão de acontecimentos com base na análise de texto, que se revelaram extremamente positivos. Por fim, foi elaborado um dicionário com termos médicos com base na análise das Notas Clínicas fornecidas pelo CHP. Os resultados obtidos foram bastante positivos, onde por exemplo com a criação de modelos de interpretação de texto, foi possível identificar diferentes tipos de diagnóstico efetuados a doentes que sofreram morte cerebral, bem como, a que tipo de doentes isto ocorreu. Estes modelos foram criados com as palavras que constituíam os relatórios médicos, assim como, pelas palavras do dicionário criado. Os modelos de previsão criados também obtiveram resultados bastante satisfatórios, atingindo os 88% de acuidade, o que torna viável a aplicação dos mesmos num ambiente real, como por exemplo o CHP. Todo o trabalho desenvolvido no projeto seguiu na sua vertente prática a metodologia Cross Industry Standard Process for Data Mining (CRISP-DM) e a metodologia de investigação Design Science Research (DSR).

This dissertation lies framed in the conclusion of the integrated Masters in Engineering and Management of Information Systems at the University of Minho, and the dissertation topic is "Text Mining and Natural Language for Clinical Notes Processing". The theme is the result of an ongoing relationship between the School of the University of Minho, and the Hospital of Porto (CHP) – Hospital de Santo António. The CHP has several patients admitted to their hospital service, and when they are admitted, patients are receiving treatment for their disease. To make the registration of diseases, their treatments and outcomes, doctors use the Clinical Notes. The clinical notes store all information related to the patient, and often, their analysis becomes complex because the doctors do not have a writing standardization. The biggest challenge of this project focused on the analysis of the text that is within clinical notes, to subsequently create a decision support system to help the physicians make the best decision for the patient's treatment. To do the analysis of clinical notes there where used two techniques in the field of analysis and text compression, which are the Text Mining, and Natural Language Processing. There were developed design models which focused on the discovery of knowledge in the text present in the Clinical Notes in order to create patterns of information. In addition to these models, predictive models have also been developed based on the analysis of these texts, and these extremely positive results. Finally, it was developed a dictionary of medical terms based on analysis of Clinical Notes provided by the CHP. The results obtained in the projects were very positive, which for example, with the creation of text interpretation models that were able to identify types of diagnoses made in patients who had suffered brain death, and identify types of patients who had suffered brain death. These models have been created with the words which were in the medical reports as well the words of the dictionary that was developed. The prediction models created also achieved very positive results, with the best models achieving the 88% of accuracy, what makes feasible the application of the models in a real environment. This project followed the Cross Industry Standard Process methodology for Data Mining (CRISP-DM) as a practical methodology, and the research methodology Design Science Research (DSR).