Detalhes bibliográficos
| Ano de defesa: |
2024 |
| Autor(a) principal: |
Ferreira, Allan |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://hdl.handle.net/11449/255303
|
Resumo: |
A evolução dos registros eletrônicos de saúde revelou um desafio crítico diretamente ligado à interoperabilidade dos dados, causado pela falta de padrões unificados entre os sistemas de saúde. Este estudo enfrentou tal desafio ao desenvolver um modelo de arquitetura da informação chamado FHIR-FLOW, que utiliza o padrão Fast Healthcare Interoperability Resources (FHIR) e incorpora tecnologias avançadas de aprendizado de máquina, especificamente, Modelos de Linguagem Grande (LLM) e o modelo BERT, para o reconhecimento eficaz de entidades e extração de recursos FHIR. A pesquisa fundamentou-se na análise detalhada de dados de alergia, provenientes dos prontuários eletrônicos do Hospital Sírio Libanês, aliada a uma extensa revisão bibliográfica sobre interoperabilidade, destacando-se pela integração da Ciência da Informação (CI) através do uso de uma matriz de metadados de negócios, que foi importante para estruturar e interpretar os dados de saúde de maneira coerente, assegurando uma base sólida para a construção e validação do modelo. Os resultados obtidos com o FHIR-FLOW indicaram melhorias na interoperabilidade que facilitam a comunicação entre sistemas de saúde diversos. A implementação das técnicas de LLM e BERT, adicionadas do Snowstorm (um classificador de termos utilizado na camada terminológica), permitiu uma interpretação e processamento precisos das terminologias médicas. Em cenários generalistas, o modelo alcançou taxas de acerto superiores a 66%, enquanto em cenários específicos de alergia, a precisão ultrapassou os 90%. Tais achados evidenciam a eficácia do modelo não apenas na melhoria da interoperabilidade e na comunicação entre sistemas, e este avanço significativo para os cuidados de saúde na era digital enfatiza a contribuição da Ciência da Informação, especialmente no que tange ao desenvolvimento e aplicação de estruturas de dados. O sucesso do FHIR-FLOW ressalta a importância de abordagens inovadoras na superação dos desafios de interoperabilidade, servindo como referência para futuras pesquisas e práticas na área. |
