Farmascopio: Um Sistema de Recuperação de Informação em Farmacoterapia

Transcrição

1 Farmascopio: Um Sistema de Recuperação de Informação em Farmacoterapia Cristiano S. Moura 1, Carlos Eduardo C. de Andrade 2, Tiago M. Delboni 3, Luciano R. S. de Lima 4, Berthier R. Neto 5, Rodrigo F. Vale 6, Sérgia M. Starling 7 1,7 Faculdade de Farmácia, Universidade Federal de Minas Gerais, Brasil 2,3,5 Departamento de Ciência da Computação, Universidade Federal de Minas Gerais, Brasil 4 Grupo de Informática Médica, Rede Sarah de Hospitais, Brasil 6 Akwan Information Technologies, Brasil Resumo O crescimento observado atualmente da literatura em saúde aliado a sua disponibilidade em meios eletrônicos tem aumentado o interesse por Sistemas de Recuperação de Informação (SRI), abordagens que simplificam o processo de busca de informação relevante. Entretanto, a maioria das técnicas utilizadas pelos SRI convencionais não incorpora características específicas das áreas especializadas do conhecimento. Além disso, os usuários de SRI geralmente têm dificuldades em expressar de modo preciso suas necessidades informacionais. Neste artigo, é apresentado um SRI em farmacoterapia, chamado Farmascopio, que modela as características da informação associada a doenças e fármacos no processo de recuperação de informação em saúde. O seu arcabouço teórico de RI é baseado no Modelo HiMeD de categorização automática e no Modelo de Redes Bayesianas para combinação de evidências. A formulação de consultas é amparada pelo uso de vocabulários controlados em saúde e no relacionamento entre eles, tornando o sistema capaz de apresentar e sugerir conceitos que permitem ao usuário expressar sua necessidade de informação de forma mais fácil, ágil e com o mínimo de erros. Os experimentos conduzidos sugerem que os usuários de SRI podem tirar proveito de uma estrutura hierárquica de conceitos durante o processo de especificação da consulta e recuperação de informação. Palavras-chave: Informática em Saúde, Sistema de Recuperação de Informação, Farmacoterapia Abstract The growth of medical literature observed nowadays allied to its availability in electronic media has increased the interest for Information Retrieval Systems (IRS), approaches that simplify the process of searching relevant information. However, the majority of techniques used by the conventional IRS does not incorporate specifical characteristics of the specialized areas of the knowledge. Moreover, the IRS users generally have difficulties in elaborating queries that precisely represent their informational needs. In this article, we present the Farmascopio, an Information Retrieval System that models the characteristics of the information associated to diseases and pharmacos in the process of retrieving relevant information in the pharmacotherapy domain. Its theoretical framework of RI is based on the HiMeD Model of automatic categorization and on the Bayesian Network Model for combining evidences. The queries expression is supported by the use of controlled vocabularies from the health area and by the relationship between them, making the system capable to present and suggest concepts that will help the user to structuralize his information needs in an easy and fashionable way. Indeed, the experiments results suggested that the IRS users could take advantage of a hierarchic structure of concepts during the process of query specification and information retrieval. Key-words: Medical Informatics, Information Retrieval System, Pharmacotherapy. Introdução A literatura biomédica cresce a uma taxa em torno de 7% ao ano, dobrando de tamanho a cada 10 anos [1]. Novos conhecimentos a respeito do medicamento são responsáveis por cerca de publicações anuais [2]. Esse conhecimento se caracteriza tanto pela tecnologia utilizada no desenvolvimento, na elaboração e nos ensaios laboratoriais e clínicos de um fármaco, quanto pelo seu uso, comercialização e observação dos efeitos terapêuticos/tóxicos. Uma característica interessante desse conhecimento, e em especial sobre fármacos, é a sua constante ampliação, uma

2 vez que a continuidade do seu uso pela população, aliada à evolução do aprendizado sobre as doenças e tratamentos, geram a possibilidade de novas observações. Apesar do conhecimento médico se expandir e se transformar a uma taxa nunca antes percebida, sua difusão é lenta. As barreiras para a difusão do conhecimento são muitas, tais como tempo limitado para pesquisas em fontes bibliográficas, baixo acesso às fontes de atualização de conhecimentos, como jornais e revistas científicas, além de dificuldades na avaliação de documentação relevante [3]. Com o desenvolvimento de novas tecnologias, a maior parte dessa documentação encontra-se disponível eletronicamente. Nesse cenário, os Sistemas de Recuperação de Informação (SRI) oferecem técnicas que facilitam o acesso à documentação relevante, uma vez que essa em geral se encontra organizada e indexada. Os SRI surgiram com o objetivo de minimizar os problemas de recuperação de informação relevante, sendo que a maioria dos sistemas convencionais permite ao usuário encontrar a informação desejada através de uma consulta baseada em palavras [4]. Dessa forma, se um documento possui as palavras que o usuário solicitou, ele é recuperado. Porém, esses SRI utilizam técnicas de cálculo de relevância 1 de documentos que não incorporam características específicas das áreas especializadas do conhecimento humano, tais como conceitos bem definidos e estruturados existentes nos vocabulários controlados, comuns na área de saúde. Além disso, em domínios especializados como a farmacoterapia, esses SRI não fornecem ao usuário informação adicional que o auxilie na formulação da consulta. O objetivo do presente projeto foi o de desenvolver uma interface de SRI que permita a formulação da consulta, por parte do usuário, de maneira cômoda e flexível. O sistema desenvolvido foi chamado de Farmascopio, capaz de modelar as características da informação associada a doenças e fármacos no processo de recuperação de informação em saúde. O seu arcabouço teórico de RI é baseado no Modelo HiMeD [5] de categorização automática de documentos e no Modelo de Redes Bayesianas [4] para combinação de evidências. A formulação de consultas é amparada pelo uso de vocabulários da área de saúde, tais com a CID [6] e o ATC [7], e no relacionamento entre eles, o que torna o sistema capaz de apresentar conceitos que permitem ao usuário expressar sua necessidade de informação de uma forma mais fácil, ágil e com o mínimo de erros. Metodologia O SRI descrito e discutido neste artigo utiliza vocabulários da área de saúde para auxiliar a formulação das consultas. Seu motor de busca é sustentado pelos componentes e algoritmos propostos pelo Modelo HiMeD de categorização automática de documentos e pelo Modelo de Redes Bayesianas para combinação de evidências. Esses itens serão detalhados a seguir. Vocabulários da Área de Saúde Os vocabulários da área de saúde disponíveis atualmente diferenciam-se quanto à proposta de categorização dos termos (estrutura hierárquica), a terminologia, ao escopo e ao nível de especificidade ou detalhamento dos conceitos descritos [8]. Para este trabalho foram selecionados, como referências experimentais, os vocabulários CID-9 [6] e ATC [7]. A Classificação Internacional de Doenças, nona edição (CID-9) é um vocabulário proposto pela Organização Mundial de Saúde (OMS) para classificar doenças, lesões e causas externas de doenças/lesões. A CID-9 é composta por 17 capítulos e possui duas apresentações: a Lista Tabular e o Índice Alfabético Hierárquico de termos/conceitos. O Sistema de Classificação Anatômico Terapêutico Químico (ATC, da sigla inglesa), preconizado pela OMS, destina-se a classificar estudos de utilização de medicamentos. Esse sistema possui cinco níveis de categorização terapêutica e farmacológica e uma estrutura hierárquica que permite agrupamentos lógicos de termos/conceitos. Para estabelecer a estrutura de mapeamento utilizada no Farmascopio, os conceitos da CID (experimentalmente os capítulos, Doenças do Sistema Nervoso Central e Transtornos Mentais) foram mapeados para conceitos de fármacos do ATC. Esse mapeamento levou em consideração relatos e protocolos terapêuticos, coletados a partir de consultas à literatura convencional (compêndios de terapêutica clínica) e às bibliotecas digitais MEDLINE 2 e Cochrane 3. Além disso, os descritores (conceitos) do vocabulário ATC foram também mapeados para nomes comerciais de medicamentos, utilizando o 1 Em geral, a freqüência das palavras nos documentos e na coleção de documentos a pesquisar são os fatores mais importantes considerado no cálculo

3 Dicionário de Especialidades Farmacêuticas (DEF) 4. O Modelo HiMeD O Modelo HiMeD de categorização automática de documentos [5, 9] permite atribuir de forma automática, conceitos de um vocabulário a documentos. Para isso ele assinala categorias de uma taxonomia aos documentos, através da comparação dos termos que formam uma categoria (conceito) com as características textuais dos documentos, conforme ilustra o exemplo da Figura 1. Dessa forma é possível representar documentos médicos como um conjunto de códigos CID e ATC. 2 mostra de forma simplificada a Rede Bayesiana de Crenças utilizada para fazer essa combinação Nessa figura a consulta original é dividida em três representações. As consultas A e B são formadas, respectivamente, pelos códigos CID e ATC atribuídos pelo usuário. Fazem parte dessas consultas os códigos associados aos conceitos selecionados com auxílio da interface. Consulta A CID Consulta Original Consulta B ATC Consulta C Termos CID 1 CID 2 CID n ATC 1 ATC 2 ATC n Termo 1 Termo 2 Termo n A Doc 1 Doc 2 Doc n B Doc 1 Doc 2 Doc n C Doc 1 Doc 2 Doc n Doc 1 Doc 2 Doc n Figura 2 Modelo de combinação de evidências Figura 1 Categorização de documentos no Modelo HiMeD O Modelo Bayesiano O arcabouço utilizado para a recuperação de documentos é uma adaptação do modelo apresentado por Vale [10, 11]. Nele, as evidências advindas da categorização automática de documentos são combinadas aos termos da consulta em uma Rede Bayesiana de Crenças [4] com o objetivo de melhorar a qualidade das respostas. Esse tipo de abordagem permite combinar evidências distintas para gerar uma única resposta. Neste trabalho a estrutura da rede foi montada de forma a combinar as informações de termos e conceitos selecionados pelo usuário, via interface do Farmascopio, com as informações oriundas dos documentos categorizados. A Figura A consulta C é formada pelos termos que o usuário fornece na caixa de busca disponível no Farmascopio. Após a especificação da consulta, o sistema procura documentos da coleção categorizados pelos mesmos códigos da consulta A e atribui a esses um determinado peso. O mesmo ocorre para os códigos e termos existentes nas consultas B e C. Ao final desse processo é gerada uma lista de documentos ordenada em função dos seus pesos. Os pesos são calculados mediante equações apresentadas por Vale [10]. Resultados O Farmascopio é composto por três módulos funcionais (Figura 3). O primeiro é o motor de busca, onde são processadas as consultas e recuperados os documentos. O segundo módulo é a interface, camada intermediária entre o usuário e o motor de busca. O terceiro componente é o navegador web, com o qual o usuário acessa a interface. A interface interage com o banco de dados de apoio, que contém as informações de mapeamento, e com o motor de busca, gerando código HTML para ser interpretado pelo navegador. No banco de dados são mantidos os vocabulários CID e ATC e o relacionamento entre eles. 4

4 A coleção de documentos indexados é formada por um subconjunto de resumos de artigos extraídos da MEDLINE, correspondentes aos anos de 1999 a 2001 (MEDLINE 99-01). Cada resumo dessa coleção foi categorizado a partir dos códigos dos vocabulários CID e ATC, utilizando o Modelo HiMeD. um mecanismo que permite buscar sem muita dificuldade, descritores específicos na hierarquia CID ou ATC. Seção de Busca De uma das telas da Seção de Diretórios é escolhido um conceito de doença ou de fármaco. Nesse momento, o sistema é direcionado para a tela de busca, onde são exibidos conceitos relacionados ao conceito escolhido e os documentos recuperados (Figura 5). A partir desse ponto o usuário pode adicionar novos conceitos ou termos à sua consulta. Cada vez que a consulta for modificada o sistema refaz automaticamente a busca na coleção de documentos. Conforme apresentado na Figura 5, essa seção está dividida nas seguintes áreas: 1. Área de exibição da estrutura hierárquica da doença ou fármaco selecionado a partir da Seção de Diretórios; Figura 3 Visão geral do sistema A interface do Farmascopio é composta de duas seções: a Seção de Diretórios e a Seção de Busca. Seção de Diretórios Nesta seção estão as telas que exibem o diretório de doenças (Figura 4) e o diretório de fármacos, construídos a partir dos vocabulários CID e ATC. 2. Caixa de busca onde o usuário deve fornecer termos adicionais para a consulta; 3. Área de exibição dos conceitos selecionados pelo usuário na Seção de Busca para fazerem parte da consulta; 4. Área de exibição dos relacionamentos CID/ATC. Se o usuário selecionou uma doença, visualizam-se os fármacos relacionados a essa doença, agrupados por classes farmacológicas. Se o usuário selecionou um fármaco, visualizam-se as doenças relacionadas a esse fármaco. Esses conceitos ao serem selecionados são exibidos na área 3 da Figura 5, e adicionados à consulta; 5. Área de busca de descritores nos diretórios de doenças e fármacos. Os descritores retornados por esse mecanismo podem ser associados à consulta; 6. Nesta área são exibidos os documentos recuperados pelo motor de busca. Figura 4 - Tela principal: diretório de doenças Nas telas que a formam, o usuário pode escolher um conceito de doença ou de fármaco para compor a sua consulta, navegando pelos diretórios. A navegação por diretórios pode ser pouco prática caso o usuário não tenha conhecimento de toda a sua estrutura hierárquica. Para solucionar esse problema, é disponibilizado Experimento de Avaliação do Farmascopio Para se fazer uma análise do uso da interface do Farmascopio, um experimento foi aplicado a um grupo de usuários. O grupo era composto por dois estudantes de farmácia, dois estudantes de computação e dois residentes em psiquiatria. O objetivo de constituir um grupo heterogêneo foi o de avaliar a exploração das

5 funcionalidades do sistema por usuários de competências distintas. Cada usuário aplicou com auxílio da interface um conjunto de oito consultas relacionadas ao tema Tratamento farmacológico para doenças do sistema nervoso central e transtornos mentais à base de documentos da MEDLINE As consultas foram elaboradas Figura 5 Tela de Busca As especificações das consultas feitas por cada usuário foram armazenadas numa base de dados para análise posterior. Foram coletadas informações sobre os conceitos e termos utilizados nas consultas, bem como os documentos recuperados. Verificou-se que em 85% dos casos, as consultas foram formuladas utilizando pelo menos por especialistas da área de saúde, sendo um farmacêutico e dois médicos psiquiatras. Protocolo Experimental O experimento foi dividido em três etapas. Na primeira etapa, os usuários deveriam conhecer as funcionalidades do sistema. Para tanto, foram realizadas três consultas que serviram como demonstração. Estas consultas foram especificadas pelo coordenador do experimento na presença dos usuários. Na segunda etapa, três consultas de treinamento foram especificadas pelos usuários sob supervisão do coordenador. A seguir, cada usuário realizou, sem intervenção do coordenador, oito consultas para as quais foi sorteado. Resultados do Experimento um conceito CID ou ATC, ou seja, apenas 15% delas eram compostas somente por termos fornecidos na caixa de busca (área 3 da Seção de Busca). Em 79% das consultas os usuários encontraram um conceito CID ou ATC útil na Seção de Diretórios. Esse resultado indicou que os usuários conseguiram associar sua necessidade de informação a conceitos dos vocabulários a partir das funcionalidades de navegação e busca disponível nos diretórios do Farmascopio. Além disto, em 58% dos casos foi acrescentado pelo menos um descritor à consulta a partir da Seção de Busca. As Tabelas 1 e 2 mostram as informações coletadas no experimento. Consultas Contém pelo menos um 85,41% conceito Conceito selecionado na seção 79,16%

6 de diretórios Conceito extra utilizado 58,30% Conceitos CID extras utilizados 23,00% Conceitos ATC extras utilizados 40,00% Termos utilizados 77,08% Tabela 1 Distribuição da utilização de conceitos nas consultas formuladas pelos usuários Valor Média de termos 2,25 Média de códigos 2,95 Tabela 2 - Média de termos e códigos utilizados nas consultas Com relação aos diferentes perfis de usuário selecionados para os experimentos, foi observado um comportamento semelhante quanto à exploração e utilização das funcionalidades presentes na interface. Discussões e Conclusões Este artigo descreveu um Sistema de Recuperação de Informação em farmacoterapia, o Farmascopio. Sua interface permite a especificação de consultas utilizando conceitos de vocabulários da área de saúde, disponíveis em uma estrutura de diretórios. A sugestão de conceitos relacionados, utilizando mapeamento intervocabulários, é outra funcionalidade do sistema. Os resultados experimentais obtidos foram otimistas e demonstraram que os usuários de SRI podem tirar proveito de uma estrutura hierárquica de conceitos durante o processo de especificação da consulta. Os documentos coletados durante os testes deverão ser investigados em trabalhos futuros para verificar possíveis melhorias na qualidade das respostas. Novos experimentos serão conduzidos com foco na interface proposta para obter informações mais precisas sobre sua usabilidade [12]. Referências (1) Drummond, J.P., Silva, E. (1999), Medicina Baseada em Evidências Novo Paradigma Assistencial e Pedagógico, São Paulo: Atheneu. (2) Sewell, W. (1976), Guide to Drug Information, Hamilton: Drug Intelligence Publications. (3) William, M.D., Edward H.S. (1997), Using the Internet to Improve Knowledge Diffusion in Medicine, Comunications of the ACM, v. 8, n. 40, p (4) Baeza-Yates, R., Ribeiro-Neto, B. (1999), Modern Information Retrieval, New York: Addison Wesley. (5) Lima, L.R.S., Laender, A.H.F., Ribeiro-Neto, B. (1998), A Hierarquical Approach to the Automatic Categorization of Medical Documents, Proceedings of the 7th Annual International ACM/CIKM Conference on Information and Knowledge Management, Maryland, USA, p (6) CID-OMS (1980), Classificação Internacional de Doenças, Revisão 9, v. 1-2, São Paulo: EDUSP. (7) ATC (2000), Anathomical Therapeutic Chemical, Oslo: WHO. (8) Webber, C.G. (1997), O Estudo e Desenvolvimento do Protótipo de uma Ferramenta de Apoio a Formulação de Consultas a Bases de Dados na Área da Saúde, Dissertação de Mestrado, Curso de Pós-Graduação em Ciência da Computação, UFRGS, Porto Alegre, 87p, abr. (9) Lima, L.R.S. (2000), Categorização Automática de Documentos Médicos, Tese de Doutorado, DCC / UFMG, Belo Horizonte, 110p, jul. (10) Vale, R.F. (2001), Uma Estratégia para Fusão de Respostas na Busca de Documentos Médicos na Web, Tese de Mestrado, DCC / UFMG, Belo Horizonte, 55p, jun. (11) Vale, R.F., Lima L.R.S., Ribeiro-Neto, B., Laender, A.H.F., Freitas-Junior, H.R. (2001), Recuperação de Informação em Coleções Médicas Utilizando Categorização Automática de Documentos, Anais do XVI Simpósio Brasileiro de Banco de Dados SBBD 01, Rio de Janeiro, Brasil, p , Out. (12) Nielsen, J. (1993), Usability Engineering, Chestnut Hill: Addison Wesley. Contato Cristiano S. Moura, mestrando em Ciências Farmacêuticas do curso de pós-graduação em

7 Ciências Farmacêuticas da Faculdade de Farmácia da Universidade Federal de Minas Gerais.