Navegando por Autor "Brito, Bruna Alice Oliveira de"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Dissertação Desenvolvimento de um sistema inteligente para análise e gestão de textos médicos sobre câncer em prontuários eletrônicos com processamento de linguagem natural(Universidade Federal do Rio Grande do Norte, 2025-01-28) Brito, Bruna Alice Oliveira de; Barroca Filho, Itamir de Morais; Xavier Júnior, João Carlos; http://lattes.cnpq.br/5088238300241110; http://lattes.cnpq.br/1093675040121205; http://lattes.cnpq.br/8027922953233775; Rego, Amália Cinthia Meneses do; Menezes Neto, Elias Jacob de; Lima, Jean Mário Moreira deCom o avanço tecnológico da saúde no Brasil, os Prontuários Eletrônicos de Pacientes (PePs) se tornaram o meio principal na gestão dos dados clínicos, especialmente no contexto de doenças crônicas como o câncer, uma das principais causas de mortalidade no país. Os PePs armazenam uma grande quantidade de informações relevantes sobre o paciente, incluindo histórico clínico, diagnósticos e tratamentos. Contudo, grande parte desses dados estão em formato de textos livres e sem padronização, o que dificulta sua análise e interpretação. Nesse contexto, este trabalho tem o objetivo principal de desenvolver um sistema inteligente para extrair e organizar as informações de pacientes com câncer a partir de PePs, utilizando técnicas de Processamento de Linguagem Natural (PLN) e Aprendizado de Máquina (AM). Diante deste objetivo, a abordagem inclui o desenvolvimento de dois modelos: um de Reconhecimento de Entidades Nomeadas (NER), baseado no ajuste fino de um modelo BERT treinado em português, para classificar palavras em três categorias médicas; e outro utilizando o modelo LLama para realizar a sumarização de dados clínicos. A aplicação desses modelos visa lidar com os desafios identificados na revisão sistemática da literatura, relacionados tanto à alta complexidade dos dados clínicos quanto à limitada disponibilidade de conjuntos de dados rotulados. Ademais, ao longo do trabalho serão descritos os requisitos da solução, bem como detalhes de sua arquitetura e implementação, trazendo como resultados duas interfaces principais: uma em formato de bot, que mostra as informações dos PePs sumarizados, e outra composta por dashboards que exibem os dados estruturados gerados pelos modelos de NER.TCC Utilização de técnicas de processamento de linguagem natural para identificação automática de doenças em processos da JFRN(Universidade Federal do Rio Grande do Norte, 2023-10-26) Brito, Bruna Alice Oliveira de; Menezes Neto, Elias Jacob de; Magalhães, Ismenia Blavatsky de; https://orcid.org/0009-0001-8116-495X; Bezerra, Leonardo César Teonacio; Gurgel, André MoraisA jurisdição exercida pela Justiça Federal no Rio Grande do Norte (JFRN) é ampla e abarca a análise e resolução de uma variada gama de casos judiciais de diversas naturezas, os processos podem ser referentes ao meio ambiente, previdência social, direito tributário, entre outros. [1]. Nesses processos aparecem, de um lado, os particulares e de outro a União, as empresas públicas, autarquias e fundações públicas federais ou os conselhos de fiscalização profissional [1]. Nesse contexto, a integração da Inteligência Artificial (IA) desperta significativo interesse da área, uma das ferramentas cruciais nesse panorama é o Processamento de Linguagem Natural (PLN), pois inúmeros procedimentos legais envolvem a análise e interpretação de documentos textuais. O Reconhecimento de Entidades Nomeadas (do inglês NER - Named Entity Recognition) é uma das áreas do PLN, que é destinada a reconhecer e classificar entidades mencionadas em textos. O NER ganha especial destaque no campo jurídico, onde uma profusão de documentos legais, contratos, petições, jurisprudências e outros gêneros textuais demandam análises minuciosas. Diante do exposto, o objetivo principal deste trabalho é a aplicação de técnicas de PLN em processos dos Juizados Especiais Federais da JFRN, e o objetivo secundário é a construção de painéis de BI para visualização dos dados aplicados nessas técnicas. Essa aplicação analisou os textos das petições iniciais e das sentenças, dois modelos distintos foram desenvolvidos. O primeiro modelo desempenha a função de discernir se um processo é da área da saúde ou não, foi utilizado um modelo XGBoost. O segundo modelo é responsável por identificar e destacar palavras e termos que denotam algum tipo de enfermidade, foi utilizado um modelo pré-treinado de BERT(Bidirectional Encoder Representations from Transformers), o BioBERTpt para reconhecimento de doenças [3]. Ao implementar esses modelos, visou-se promover a identificação de questões relacionadas à saúde existentes nos textos para que os servidores responsáveis tenham um panorama geral das doenças encontradas e possam otimizar a alocação de recursos.