IDENTIFICAÇÃO DE CONTINUIDADE DE CUIDADO EM SUMÁRIOS DE ALTA HOSPITALAR CONTINUITY OF CARE IDENTIFICATION IN DISCHARGE SUMMARIES

Transcrição

1 IDENTIFICAÇÃO DE CONTINUIDADE DE CUIDADO EM SUMÁRIOS DE ALTA HOSPITALAR CONTINUITY OF CARE IDENTIFICATION IN DISCHARGE SUMMARIES Lucas Emanuel Silva e Oliveira 1, Claudia Maria Cabral Moro 1, Andréia Cristina de Souza 1, Percy Nohama 1,2 e Pindaro Secco Cancian 2 1 Programa de Pós-Graduação em Tecnologia em Saúde/Pontifícia Universidade Católica do Paraná (PPGTS/PUCPR), Curitiba, Brasil 2 Programa de Pós-Graduação de Engenharia Elétrica e Engenharia Industrial/Universidade Tecnológica Federal do Paraná (CPGEI/UTFPR), Curitiba, Brasil Resumo: Os sumários de alta são importantes narrativas clínicas, pois, podem apresentar informações essenciais acerca do paciente, entre elas, a continuidade do tratamento do mesmo. Devido ao seu formato de escrita ser livre, a identificação dos dados contidos no texto torna-se difícil. Esta pequisa propõe um método para verificar a presença das infomações referentes a continuidade do tratamento, através de uma ferramenta denominada IRDischarge. A ferramenta permite a criação dinâmica de regras baseadas na etiquetação morfológica das palavras, que é feita através do uso do CoGrOO, que implementa as técnicas mais usadas de Processamento de Linguagem Natural, bem como, o uso de um corpus médico anotado. Palavras-chave: Processamento de Linguagem Natural, Sumários de Alta, Narrativas Clínicas. Abstract: The discharge summary is one important clinical narrative because it can provide essential information about the patient, including the continuity of care. Due to its free-form writing, the identification of the data contained on the text becomes a difficult task. This research proposes a method to verify the presence of information related to the continuity of care, to test the method a tool called IRDischarge was made. The tool permits a dynamic creation of rules, based on the pos-tagging of words, which is done through the use of CoGrOO, which implements the most common techniques of Natural Language Processing, an annotated medical corpus was used as well. Keywords: Natural Language Processing, Discharge Summaries, Clinical Narratives. Introdução As informações geradas durante o atendimento ao paciente em ambientes hospitalares, são registradas no prontuário do mesmo, na forma de narrativas clínicas. Dentre estas, está o sumário de alta, uma síntese do internamento do paciente, que apresenta dados importantes para a continuidade do tratamento (1). A identificação sistemática de informações em sumários de alta atualmente é um grande desafio, pois, a elaboração do mesmo não é realizada na forma de campos estruturados, e sim, escritos em linguagem natural, de forma livre, devido ao seu cunho altamente descritivo. Além disso, ainda não há um consenso sobre o conteúdo adequado para a elaboração do sumário de alta, cada profissional elabora a narrativa de forma diferente, e muitas vezes com informações faltantes ou incompletas, podendo ocasionar problemas para os pacientes e para os profissionais que acompanharão o tratamento dos mesmos (2). O objetivo desta pesquisa é elaborar um método para identificar as informações referentes a continuidade do cuidado ao paciente, e por consequência, explicitar os sumários de alta que não contém esta informação. Pretende-se também desenvolver uma ferramenta de automatização na execução do método, nomeada IRDischarge. Existem várias pesquisas que tem como foco principal a extração de informações em narrativas clínicas. Bui et al. (3), desenvolveram uma ferramenta para extração automatizada de 1

2 dados relacionados a resistência do vírus HIV na aplicação de medicamentos, utilizando Processamento de Linguagem Natural (PLN). Xu et al. (4), usaram o PLN para extrair dados referentes a medicamentos presentes em narrativas clínicas. Hugo Bulegon (5), utilizou a ferramenta Cogroo, que implementa técnicas de PLN, para identificar diagnósticos informados em sumários de alta e posterioriormente realizar mapeamento para o CID-10. Para extrair os diagnósticos, Bulegon criou regras específicas para cada doença, todas elas baseadas na classificação morfológica das palavras. Cada regra poderia ter ao máximo 3 itens, sendo o termo central a informação que desejava-se recuperar. Métodos O ponto de partida para elaboração do método foi a pesquisa de Bulegon (5), na qual, um método para identificação do diagnóstico do paciente em sumários de alta foi elaborado, utilizando-se de regras baseadas na classificação morfológica das palavras. Os dados utilizados no desenvolvimento do projeto foram fornecidos pelo Hospital de Clínicas de Porto Alegre (HCPA). O universo de dados abrange sumários de alta, gerados a partir dos pacientes do setor de cardiologia, que tiveram alta durante o período de junho de 2002 até maio de Dentre todos os sumários, foram filtrados apenas os que apresentavam alguma informação referente a continuidade do cuidado ao paciente, e entre estes foram selecionados aleatoriamente 110 deles. A partir disso se fez necessária a etiquetação dos textos para análise morfológica e identificação de padrões que indicariam a presença da continuidade do cuidado ao paciente em seu conteúdo, conforme Quadro 1. Quadro 1: Exemplos de sentenças após feito o pos-tagging. Sentença Paciente com sarcoma sinovial, interna para exames de reavaliação com TC. É encaminhado para ambulatótio do médico assistente. Senteça após pos-tagging Paciente_N_M_S com_prp sarcoma_n_f_s sinovial_adj_f_s interna_v_pr_3s_ind_vfin para_prp exames_n_m_p de_prp reavaliação_n_f_s com_prp TC_N_F_S. _-PNT_ABS É_V_PR_3S_IND_VFIN encaminhado_v_pcp_m_s para_prp ambulatório_n_m_s de_prp o_det_m_s médico_n_m_s assistente_adj_m_s._- PNT_ABS A etiquetação (part-of-speech tagging ou pos-tagging) é um dos métodos (técnicas) usados no PLN para obtenção do valor morfológico individual das palavras, e é partir dessas informações que as regras são definidas. As siglas geradas na etiquetação fazem parte de um tagset (dicionário de tags) chamado VISL Portuguese (6). Para o processamento dos textos, foram analisadas algumas ferramentas (7,8,9), e a escolhida foi o Cogroo (9), ferramenta open-source que implementa as técnicas mais comuns de Processamento de Linguagem Natural, dentre elas: tokenizer, sentence detector, name finder, pos-tagging, entre outras. O pos-tagging baseia-se em um modelo estatístico para classificação das palavras encontradas no texto, e por padrão, estes modelos estatísticos são treinados em um corpus jornalístico, ou seja, textos com o vocabulário comum e com contextos dos mais variados. 2

3 Visto que essa pesquisa trabalha com narrativas clínicas, foi necessário o uso de um corpus condizente com o domínio de aplicação, para que a taxa de acertos na etiquetação fosse maior. Com os sumários etiquetados, foi feita a análise dos mesmos, para avaliar a taxa de acertos do etiquetador. Verificou-se, que mesmo fazendo uso do corpus médico anotado, a classificação das palavras estava equivocada em alguns pontos. Então alguns processos foram executados em uma fase de pré-processamento, antes de enviar os textos ao Cogroo. Uma grande taxa de erros foi encontrada em trechos com presença de acrônimos, que são constantes em narrativas clínicas, que nada mais são, que siglas que representam uma palavra. Para então amenizar este problema, foi criado um método para substituir os acrônimos pelo seu significado completo. Outro problema encontrado foram os textos que não seguiam a normas de escrita formal, onde as sentenças iniciam-se em letras maiúsculas e o restante em minúsculas, nesses casos a taxa de acertos dos pos-tagging caiu significativamente, pois, no modelo treinado não era encontrado termo correspondente para fazer a etiquetação. Então, para solucionar este item, foi inserido na fase de pré-processamento um método para deixar todas palavras em letras mínusculas. E para finalizar, foram adicionados também, métodos muito comuns em algoritmos de PLN, um para a retirada das stop-words, que são palavras de alta ocorrência no texto e que não tem valor significativo no processamento, e a retirada dos caracteres especiais sem significado. Inicialmente as stop-words consideradas foram apenas os artigos. Uma vez corrigidos os problemas na fase de etiquetação, foi feita a análise nos sumários etiquetados para encontrar o trecho da narrativa em que a informação referente à continuidade do paciente estava presente, e então, selecionar padrões de etiqueta que validem a presença da informação no sumário de alta. A exemplo do trabalho de Bulegon, foram elaboradas regras analisando padrões de 3 elementos, tendo como termo central o que identifica a continuidade (encaminhamento). O Quadro 2 exemplifica a elaboração das regras. Quadro 2: Senteças etiquetadas e as regras correspondentes. Senteça etiquetada Regra de continuidade._-pnt_abs Retorno_N_M_S agendado_v_pcp_m_s em_prp o_det_m_s [-PNT_ABS] [N_M_S] [V_PCP_M_S] ambulatório_n_m_s de_prp cardiologia_n_f_s geral_adj_f_s._-pnt_abs Recebe_V_PR_3S_IND_VFIN alta_n_f_s com_prp encaminhamento_n_m_s a_prp o_det_m_s endocrinologista_n_m_s para_prp manter_v_inf acompanhamento_n_m_s Recebe_V_PR_3S_IND_VFIN encaminhamento_n_m_s para_prp consulta_n_f_s ambulatorial_adj_f_s [PRP] [N_M_S] [PRP] [V_PR_3S_IND_VFIN] [N_M_S] [PRP] A ferramenta desenvolvida permite que facilmente se popule o sistema com novas regras, e assim, pode-se executá-lo e analisar se as regras realmente obtiveram as informações desejadas ou mostraram os casos em que a informação estava ausente. No total, foram identificadas 58 regras de padrões que caracterizavam a continuidade do tratamento do paciente. Na Figura 1 todos os processos executados são exemplificados através de um fluxograma. 3

4 Figura 1: Fluxograma de processos para identificação da continuidade. Para avaliar a eficácia do método e das regras definidas, foram novamente selecionados aleatoriamente 110 sumários de alta dentre o universo de Ao analisar os resultados, percebeu-se que apenas as regras não seriam suficientes para ter resultados satisfatórios, então, a exemplo da pesquisa de Bulegon, foram adicionadas ao método de retirada de stop-words, as palavras que estavam causando falsos-positivos na presença da continuidade, para que assim os resultados fossem melhorados. Resultados Os resultados do processamento dos sumários pelo IRDischarge foram dividos em duas partes: os acertos simples, que basicamente mostram se o sistema informou corretamente a presença ou não de informações acerca da continuidade no texto. E os acertos completos, que são constituídos apenas pelos sumários em que o algoritmo acusou o trecho correto do texto que caracteriza a presença da informação da continuidade. Um exemplo disso está representado no Quadro 3. Além disso, também são explicitados os valores de acerto do algoritmo fazendo uso do método de retirada de stop-words, com as palavras adicionadas posteriormente a primeira análise. Os dados estão dispostos na Tabela 1. 4

5 Quadro 3: Exemplo de sumário que foi considerado acerto simples, porém, não completo. Sumário de alta: Regra/Trecho encontrado: HAS, ACFA, CRM prévia, interna para stent em cd (2), procedimento sem intercorrências, com sucesso angiográfico. Recebe alta assintomático e em uso das medicações abaixo e retorno para seguimento. Trecho: em uso das Regra: [PRP] [N_M_S] [PRP] Regra/Trecho correto para indicação de continuidade: Trecho: retorno para seguimento Regra: [N_M_S] [PRP] [N_M_S] Discussão Tabela 1: Resultados do processamento dos sumários no IRDischarge Acertos simples Acertos completos Resultados sem uso de stop-words 74% 10% Resultados com uso de stop-words 81% 44% Mesmo seguindo o método de Bulegon 5, que se baseou em Bui 3, os resultados obtidos não foram satisfatórios se olharmos a porcentagem de acertos completos. Uma característica que causou vários problemas na identificação correta do algoritmo é que a informação referente à continuidade do cuidado, normalmente está disposta ao final do texto, fazendo com que as regras descritas, possam ser localizadas antes da informação requerida, causando falsos positivos. Já a informação de diagnóstico do paciente, que foi o foco de Bulegon, se encontra na maioria dos casos já no início ou parte central do texto. Além disso, nessa pesquisa não foram utilizados critérios de exclusão na escolha dos sumários. A seleção dos mesmos foi realizada de forma completamente aleatoria, inclusive textos com erros gramaticais e ortográficos foram incluídos nos experimentos. Muitos dos erros apresentados foram devido a falta de regras específicas para o caso analisado. Uma análise inicial em uma amostra maior que 110 sumários (2% do universo) geraria um número maior de regras, reduzindo também a quantidade de falsos negativos. Percebeu-se analisando os sumários, que a informação referente a continuidade, muitas vezes está atrelada a palavras específicas, como encaminhar, orientar, prescrever e retorno. Uma maneira de tentar aumentar a taxa de acertos do algoritmo é possibilitar a criação de regras híbridas, que além de aceitarem a etiqueta morfológica do termo, aceitar também o stem de uma palavra específica. O processo de Stemming, nada mais é que reduzir uma palavra ao seu termo-base, por exemplo: Encaminhar, Encaminhado e Encaminho, todas essas palavras tem o mesmo termo-base, pois, derivam do verbo encaminhar. Usando-se do stemming, uma regra apenas, poderia cobrir uma série de padrões, e evitar muitos casos de falsos positivos. 5

6 Conclusão A partir da análise dos resultados, verificou-se que a utilização somente do método de Bulegon 5 não é eficaz para verificar as informações de continuidade, e que para aumentar sua taxa de acertos precisaríamos aumentar consideravelmente a número de stop-words adicionadas, bem como, o número de regras, tornando o método inviável. Para estudos futuros, a adaptação do método, utilizando-se do Stemming e regras híbridas pode trazer resultados bem mais satisfatórios. Agradecimentos Ao CNPq pelo financiamento desta pesquisa e a Prof a. Dr a Mariza Machado Klück pela base de dados contendo os sumários de alta do HCPA. Referências [1] GROSSMAN, E. e CARDOSO, M., H., C., A. As narrativas em medicina: contribuições à prática clínica e ao ensino médico. Revista Brasileira de Educação Médica. v.30 n.1, [2] KRIPALANI, Sunil; LEFEVRE, Frank; PHILLIPS, Christopher O.; WILLIAMS, Mark V.; BASAVIAH, Preetha; BAKER, David W. Deficits in communication and in-formation transfer between hospital-based and primary care physicians: implications for patient safety and continuity of care. JAMA. vol. 297, n.8. fev [3] BUI Q.C., NUALLÁIN B. O., Boucher CA, SLOOT, P. M. Extracting causal relations on HIV drug resistance from literature. BMC Bioinformatics. Fevereiro 23;11:101, [4] XU, H., STETSON, P.D. e FRIEDMAN, C. A Study of Abbreviations in Clinical Notes. AMIA Annual Symposium Proceedings, [5] BULEGON, Hugo. Identificação de diagnósticos contidos em narrativas clínicas e mapeamento para a classificação internacional de doenças f. Dissertação (Mestrado em Tecnologia em Saúde) Pontifícia Universidade Católica do Paraná, Curitiba, [6] VISL Portuguese, disponível em < último acesso em 20/06/2012. [7] OpenNLP, disponível em < último acesso em 20/06/2012. [8] Natural Language Toolkit, disponível em último acesso em 20/06/2012. [9] CoGrOO, disponível em < último acesso em 20/06/2012. Contato Lucas Emanuel Silva e Oliveira. Rua José de Oliveira Franco, 717 Casa 1 (41) kunkaweb@gmail.com 6