Anotação de Narrativas Clínicas de acordo com as diretrizes das Dependências Universais

• Adriana Pagano UFMG
• Carlos A. S. Perini UFMG
• Cláudia Benevenute IFES
• Cristiano Colombo IFES

DOI: https://doi.org/10.5753/stil.2025.37857

Resumo

Este é um estudo em andamento sobre Processamento de Língua Natural de um corpus de Narrativas Clínicas em português brasileiro com duas versões anotadas: uma pela máquina e outra por humanos. A frequência dos rótulos das classes de palavras e das relações de dependência dos tokens em cada versão é calculada e uma análise guiada pelo corpus é realizada, destacando as correções feitas pelos humanos nas anotações da máquina. A comparação dessas anotações permite a criação de treebanks que podem ser usados para treinar novos modelos usando técnicas de aprendizado de máquina e para aprimorar diversas aplicações de Processamento de Língua Natural com corpus da área biomédica. Além disso, essa comparação permite a análise da consistência teórica de anotação, a fim de identificar o sistema gramatical desse tipo de corpus e criar guias de anotação para Narrativas Clínicas em português brasileiro de acordo com as Dependências Universais.

Referências

BIBER, D. (2015). Corpus-based and corpus-driven analyses of language variation and use. In HEINE, B. and NARROG, H., editors, The Oxford Handbook of Linguistic Analysis. Oxford Academic, 2nd edition.

DALIANIS, H. (2018). Characteristics of patient records and clinical corpora. In Clinical Text Mining. Springer, Cham.

DURAN, M. S., NUNES, M. d. G. V., LOPES, L., and PARDO, T. A. S. (2022). Manual de anotação como recurso de processamento de linguagem natural: o modelo universal dependencies em língua portuguesa. Domínios de Lingu@gem, 16(4):1608–1643.

MARNEFFE, M. et al. (2021). Universal dependencies. Computational Linguistics, 47(2):255–308.

MOON, S., Pakhomov, S., Ryan, J., and Melton, G. B. (2011). Automated nonalphanumeric symbol resolution in clinical texts. AMIA Annual Symposium Proceedings, pages 979–986.

NÉVÉOL, A., DALIANIS, H., VELUPILLAI, S., et al. (2018). Clinical natural language processing in languages other than english: opportunities and challenges. Journal of Biomedical Semantics, 9(1):12.

OLIVEIRA, L. E. S., PETERS, A. C., DA SILVA, A. M. P., et al. (2022a). Semclinbr a multi-institutional and multi-specialty semantically annotated corpus for portuguese clinical nlp tasks. Journal of Biomedical Semantics, 13(1):13.

OLIVEIRA, L. F. A. d., OLIVEIRA, L. E. S. d., and MORO, C. (2022b). Challenges in annotating a treebank of clinical narratives in brazilian portuguese. In PINHEIRO, V., GAMALLO, P., AMARO, R., SCARTON, C., BATISTA, F., SILVA, D., MAGRO, C., and PINTO, H., editors, Computational Processing of the Portuguese Language, pages 90–100, Cham. Springer International Publishing.

Ribeiro, M. T., Singh, S., and Guestrin, C. (2016). ”why should i trust you?”: Explaining the predictions of any classifier. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pages 1135–1144, New York, NY, USA. Association for Computing Machinery.

STYLER, W. F., BETHARD, S., FINAN, S., PALMER, M., PRADHAN, S., de GROEN, P. C., ERICKSON, B., MILLER, T., LIN, C., SAVOVA, G., and PUSTEJOVSKY, J. (2014). Temporal annotation in the clinical domain. Transactions of the Association for Computational Linguistics, 2:143–154.

XIA, F. and YETISGEN-YILDIZ, M. (2012). Clinical corpus annotation: Challenges and strategies. In Proceedings of the 3rd Workshop on Building and Evaluating Resources for Biomedical Text Mining, Istanbul. European Language Resources Association.