Preparação e Integração de Dados da Atenção Primária e Vigilância da Tuberculose para Suporte ao Treinamento de Modelos de Linguagem

• Samantha Mendonça UEA / FMT-HVD
• Sandro Moreira Fiocruz
• Daniel Sacramento UEA / Fiocruz
• Daniel Castro UEA / FMT-HVD / INPA
• Vanderson Sampaio UEA / FMT-HVD / ITpS

DOI: https://doi.org/10.5753/sbcas_estendido.2026.25273

Resumo

A escassez de dados clínicos integrados limita o desenvolvimento de Modelos de Linguagem de Grande Escala (LLMs) para suporte à decisão na saúde pública. Este trabalho apresenta um pipeline de engenharia de dados e pareamento probabilístico para integrar registros do Prontuário Eletrônico do Cidadão (PEC) e do SINAN-TB em Manaus. A partir de 7,8 milhões de registros brutos, o processo resultou em 1,5 milhão de indivíduos únicos e 8.596 registros pareados com alta confiança (≥ 0,90). Esta base unificada é o alicerce para o treinamento de modelos capazes de identificar casos suspeitos em narrativas clínicas, fortalecendo a vigilância e o suporte ao diagnóstico de doenças tropicais.

Referências

Canto, V. B. and Nedel, F. (2020). Completeness of tuberculosis records held on the notifiable health conditions information system (sinan) in santa catarina, brazil, 2007-2016. Epidemiologia e Serviços de Saúde, 29(3).

Emani, S. et al. (2024). Quantifying gaps in the tuberculosis care cascade in brazil: a mathematical model study using national program data. PLOS Medicine, 21.

Hossain, E. et al. (2023). Natural language processing in electronic health records in relation to healthcare decision-making: a systematic review. Computers in Biology and Medicine, 155:106649.

Lima, S. et al. (2020). Quality of tuberculosis information systems after record linkage. Revista Brasileira de Enfermagem, 73(5).

Meckawy, R. et al. (2022). Effectiveness of early warning systems in the detection of infectious diseases outbreaks: a systematic review. BMC Public Health, 22.

Moreira, S. F. et al. (2025). Integração de bases de dados para qualificação da vigilância da tuberculose. In Saúde coletiva na Amazônia: pesquisa, formação e territorialidades, page 417. Rede Única, Porto Alegre.

Sacramento, D. S. et al. (2026). Digital solutions for tuberculosis surveillance and control in primary health care: a scoping review. Epidemiologic Reviews. Accepted manuscript.

Sampaio, V. S., Lopes, R., Ozahata, M. C., et al. (2023). Thinking out of the box: revisiting health surveillance based on medical records. Antimicrobial Stewardship & Healthcare Epidemiology, 3(1):e185.

Seinen, T. et al. (2024). Using structured codes and free-text notes to measure information complementarity in electronic health records: Feasibility and validation study. Journal of Medical Internet Research, 27.