Utilização de Modelo de Extração de Texto em Registros Clínicos
Resumo
O presente estudo criou um modelo de aprendizado de máquina supervisionado para auxiliar os profissionais de saúde no diagnóstico de doenças. Utilizando o Watson Natural Language Understanding aliado ao Watson Knowledge Studio foi possível prever, a partir dos sintomas, quais as probabilidades de existência de determinadas doenças. O modelo de machine learning criado foi capaz de extrair dados diretamente dos prontuários eletrônicos.
Referências
Howe, D., Costanzo, M., Fey, P., Gojobori, T., Hannick, L., Hide, W., Hill, D., Kania, R., Schaeffer, M., St Pierre, S., Twigger, S., White, O., and Yon Rhee, S. (2008). The future of biocuration. Nature, 455:47–50.
Jordan, M. I. and Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245):255–260.
Kahn, M., Callahan, T., Barnard, J., Bauck, A., Brown, J., Davidson, B., Estiri, H., Goerg, C., Holve, E., Johnson, S., Liaw, S., Hamilton-Lopez, M., Meeker, D., Ong, T., Ryan, P., Shang, N., Weiskopf, N., Weng, C., Zozus, M., and Schilling, L. (2016). A harmonized data quality assessment terminology and framework for the secondary use of electronic health record data. eGEMs, 4:1244.