O projeto Gentil - Text Mining venceu a categoria “Best Future of Work Project” nos Portugal Digital Awards 2021, ou seja, trata-se do melhor projeto relacionado com a produtividade e efetividade dos colaboradores. Em declarações ao COMPETE 2020, Renato Magalhães, Diretor do Serviço de Gestão de Sistemas de Informação e Comunicação sintetiza o âmbito e o alcance deste projeto - para suporte à tomada de decisão clínica em contexto oncologia - e a importância do apoio dos fundos da União Europeia.

 

 

 

 

Os diários da consulta registados no processo clínico eletrónico do IPO Porto são efetuados em “texto livre”, ou seja, o médico relata livremente o episódio clínico sem se preocupar com quaisquer codificações, mas dificuldade a análise computacional dos dados, tornando impossível a sua utilização para efeitos de estatística descritiva, mas também de apoio à decisão clínica.

 

No sentido de permitir o uso deste manancial de dados, que aporta elevado valor clínico, surgiu o projeto GENTIL – Text mining com os seguintes objetivos:

 

1. A extração de dados estruturados de processos clínicos escritos em texto livre, através da aplicação de algoritmos de text mining;

 

2. O desenvolvimento de dashboards que apresentem indicadores clínicos com base nos dados previamente extraídos;

 

3. O desenvolvimento de uma ferramenta de Inteligência Artificial de ajuda à tomada de decisão clínica por parte do colégio médico, também alimentada pelos dados previamente extraídos.

 

Para tal, é necessário extrair de uma forma estruturada toda a informação clínica contida nos registos, para que seja depois possível correr sofisticados algoritmos de Inteligência Artificial para criar um sistema de apoio à tomada de decisão que cumpra efetivamente o seu verdadeiro propósito de simplificar, apoiar e melhorar a tomada de decisão.

 

Para a extração de dados foram utilizadas técnicas como o Text Mining (TM) e o processamento de linguagem natural (PLN), através da sua classificação, quantificação e organização, com o objetivo de disponibilizar a informação de modo categorizado e padronizado, possibilitando assim a construção de um resumo estruturado para auxiliar o clínico na tomada de decisão. 

 

No processo de validação deparamo-nos, no entanto, ao nível dos processos clínicos eletrónicos, com muitos textos desorganizados, não respeitando regras de pontuação, erros ortográficos e recurso frequente a abreviaturas não oficiais ou não reconhecidas, o que obriga a um esforço adicional no sentido de estender o corpus com todos os termos e acrónimos relevantes.

 

Na aplicação de TM foram utilizados vários modelos, um baseado em regras sem qualquer treino, com dados extraídos usando o Unified Medical Language System (UMLS), um semi-supervisionado, com pré-anotação automática do UMLS para o qual foram definidas apenas três categorias (“Procedures”, “Disorders” e “Drugs”) e um supervisionado com anotações realizadas por anotadores humanos. Para todos os modelos a análise qualitativa dos resultados foi efetuada por um médico sénior. 

 

As informações consideradas mais críticas foram as seguintes:

• Dados demográficos do doente;

• Diagnóstico, com as diversas classificações relativas à patologia;

• Biometrias, com possibilidade de comparar a sua evolução ao longo do tempo;

• Medicação;

• Intervenções e exames, para fácil acesso aos seus documentos;

• Plano de ação definido, incluindo a etapa em que o doente se encontra atualmente;

• Linha temporal de resumo.

 

O trabalho já realizado atesta a utilidade de uma ferramenta destas no dia-a-dia dos profissionais de saúde, mas não esgota o seu potencial. Com efeito, futuras iterações da plataforma serão capazes de cruzar as diversas patologias com as guidelines americanas e europeias de tratamento, disponibilizando aos médicos, em tempo real, um acesso curado às mesmas. Serão também disponibilizados os modelos de Inteligência Artificial, alimentados pelos dados, que ajudarão a comparar o custo-efetividade de opções diferentes terapêuticas, assim como permitirão a implementação de mecanismos de farmacovigilância.

 

O Gentil - Text Mining enquadra-se no projeto TMN: Text Mining, infrastructure and Network, financiado pelo COMPETE 2020, para além do desenvolvimento da ferramenta permitiu um da infraestrutura do datacenter, a implementação de uma solução de Bring Your Own Device (BYOD), a renovação o portal interno e a implementação de uma solução de gestão documental, bem como um reforço ao nível da segurança informática. 

 

O Gentil - Text Mining é sem dúvida uma ferramenta inovadora, permitirá uma nova forma de aceder ao processo clínico do doente. O médico deixará de necessitar de consultar páginas e páginas de “texto livre” e passará a ter num dashboard as informações consideradas mais críticas para auxiliar no processo de tomada de decisão. O projeto foi distinguido nos prémios Portugal Digital Awards 2021, da IDC Portugal, que é o principal prémio de transformação digital em Portugal, tendo obtido o prestigiante reconhecimento Best Future of Work Project.

 

Diretor do Serviço de Gestão de Sistemas de Informação e Comunicação

Gestor do projeto TMN: Text Mining, infrastructure and Network

 

 

 

Cofinanciado no âmbito do Sistema de Apoio à Transformação  Digital da Administração Pública  (SATDAP) , o projeto GENTIL – Text mining envolveu um investimento elegível de cerca de um milhão de euros e um incentivo FEDER de 850 mil euros.

 

 

 

O Portugal Digital Awards é uma iniciativa da IDC em parceria com a Axians, que tem como principal objetivo reconhecer as organizações e os líderes empresariais com a visão e o arrojo para elevar as suas empresas ao nível mais sofisticado, capacitando-os para a transformação digital dos seus negócios.

 

Esta é a 6ª edição do Portugal Digital Awards 2021. Assista à cerimónia de entrega de prémios 

 

 

 

Website IDC