Autor: Luis Miguel Oliveira Pereira
Data: 16/12/2013
Título
Utilização de Técnicas de TextMining sobre Registos Clínicos de Epilepsia em Crianças, para
Auxilio ao Diagnóstico e Classificação
Resumo
A informação médica tem aumentado continuamente ao longo do tempo, produzindosequantidades elevadíssimas de dados. A análise e a extração desses dados
oferecempossibilidades de reduzir o esforço e o tempo na sugestão e classificação de um
diagnóstico.
O processamento dos dados médicos representa um grande desafio, considerando que
estesdados são geralmente apresentados em texto livre e com vocabulário técnico específico.
Entreos dados mais ricos e relevantes encontram-se os registos clínicos. A análise de
registosclínicos é complexa pois para a realização de um diagnóstico correto é necessário ter
em contavárias características como sintomas, exames, historial do paciente,
tratamentos,medicamentos, entre outros. Além disso, esta análise requer um domínio de
diferentes áreasde conhecimento para a realização de um diagnóstico fiável, entre outras data
mining, texto mining, registos clínicos eletrónicos, e a área clínica. Estes diagnósticos devem
ainda serclassificados segundo normalizações, para que o médico possa tomar procedimentos
eprescrever tratamentos mais corretos segundo determinadas classificações.
O presente trabalho sugere uma abordagem que incide na área de epilepsia infantil,
analisandoe extraindo informação relevante de registos clínicos eletrónicos, para ajudar os
médicos atomar decisões, tais como identificar e classificar diagnósticos, ajudar na prescrição
detratamentos, medicamentos e na sugestão de procedimentos. A epilepsia infantil é
complexa enão linear, uma vez que os médicos têm de analisar diferentes causas, entre outras,
genéticas,estruturais, metabólicas, e um diagnóstico errado pode modificar a vida de uma
criança.
Os registos clínicos reais e anónimos foram fornecidos e transcritos com a ajuda do serviço
depediatria do Hospital Santo André. Os resultados alcançados são promissores, estando
noentanto ainda longe dos desejados para permitir uma sugestão e classificação de
diagnósticosde forma precisa e segura.
Esta abordagem permite ainda uma classificação dos diagnósticos baseadas emnormalizações,
de forma a sugerir os melhores procedimentos, prognósticos e tratamentosdependendo da
classificação encontrada. Desta forma, será possível ajudar a reduzir o erromédico na
classificação de diagnósticos, o erro na prescrição, e aumentar a eficácia noprocessamento dos
dados médicos, poupando tempo e dinheiro.