Um Enfoque Incremental para Construção do Grafo de Conhecimento do SUS
Resumo
Os dados de saúde pública no Brasil estão distribuídos em diversas bases heterogêneas pertencentes ao Sistema Único de Saúde (SUS). Por conta da interdependência entre esses dados, a análise de qualquer problema é precedida pela integração de algumas dessas bases. Como alternativa, os grafos de conhecimento corporativos (enterprise knowledge graphs) podem ser utilizados para viabilizar a integração semântica das fontes do SUS. Este trabalho apresenta um enfoque para construção de um grafo de conhecimento corporativo do SUS. Esse enfoque e apoiado através da construção incremental baseada no pay-as-you-go por meio da combinação de Ontologias e do processo de Integração Semântica, fornecendo uma camada semântica aos dados do SUS. Para tanto, são apresentados os passos do enfoque juntamente com a construção do grafo de conhecimento corporativo do SUS (KG SUS). KG SUS realiza a integração de duas fontes de dados: SIM e SINASC. Como validação, KG SUS foi consultado através de questões de competência em SPARQL. O enfoque apresentado promove flexibilidade e extensibilidade para que novas fontes de dados do SUS sejam utilizadas.
Referências
Bishr, Y. (1998). Overcoming the semantic and other barriers to gis interoperability. International journal of geographical information science, 12(4):299–314.
Calvanese, D. et al. (2017). Ontop: Answering sparql queries over relational databases. Semantic Web, 8(3):471–487.
da Cruz, M. M. L., Avila, C. V. S., Vidal, V. M. P., and Junior, N. M. A. (2019). Semanticsus: Um portal semantico baseado em ontologias e dados interligados para acesso, integração e visualização de dados do sus. In Anais Estendidos do XIX Simposio Brasileiro de Computação Aplicada à Saúde, pages 13–18. SBC.
de Aguiar, C. Z., de Almeida Falbo, R., and Souza, V. E. S. (2018). Ontological representation of relational databases. In ONTOBRAS, pages 140–151.
de Medeiros, L. F., Priyatna, F., and Corcho, O. (2015). Mirror: Automatic r2rml mapping generation from relational databases. In International Conference on Web Engineering, pages 326–343. Springer.
Gomez-Perez, J. M., Pan, J. Z., Vetere, G., and Wu, H. (2017). Enterprise knowledge graph: An introduction. In Exploiting linked data and knowledge graphs in large organisations, pages 1–14. Springer.
Gruninger, M. and Fox, M. S. (1995). The role of competency questions in enterprise¨ engineering. In Benchmarking—Theory and practice, pages 22–31. Springer.
Madhavan, J., Jeffery, S. R., Cohen, S., Dong, X. L., Ko, D., Yu, C., and Halevy, A. (2007). Web-scale data integration: You can only afford to pay as you go.
Rolim, T. V., Vidal, V. M. P., Avila, C. V. S., Cruz, M. M. L. d., Barrio, M., and Queiroz, D. (2019). Semanticsefaz: an ontology-based semantic portal for the government spending. In Proceedings of the 25th Brazillian Symposium on Multimedia and the Web, pages 493–496. ACM.
Sicilia, A., Nemirovski, G., and Nolle, A. (2017). Map-on: A web-based editor for visualóntology mapping. Semantic Web, 8(6):969–980.
Studer, R., Benjamins, V. R., and Fensel, D. (1998). Knowledge engineering: principles and methods. Data & knowledge engineering, 25(1-2):161–197.
Viacava, F. et al. (2018). Sus: supply, access to and use of health services over the last 30 years. Ciencia & saude coletiva, 23(6):1751–1762.
Vidal, V. M. et al. (2015). Specification and incremental maintenance of linked data mashup views. In CAiSE, pages 214–229. Springer.
Xiao, G., Calvanese, D., Kontchakov, R., Lembo, D., Poggi, A., Rosati, R., and Zakharyaschev, M. (2018). Ontology-based data access: A survey. IJCAI.
