Desenvolvimento e avaliação de algoritmos de classificação e decisão na regulação de pacientes encaminhados para a atenção especializada ambulatorial

• Ano de defesa: 2020
• Autor(a) principal: Vergara, Piter Oliveira
• Orientador(a): Wives, Leandro Krug
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Aprendizado de máquina; Classificador : texto; Algorítmo
• Palavras-chave em Inglês: Natural Language Processing; Patient Referrals Regulation; TelessaúdeRS
• Link de acesso: http://hdl.handle.net/10183/250761

O desequilíbrio entre oferta e demanda por serviços especializados no Sistema Único de Saúde brasileiro implica que nem todas as solicitações podem ser atendidas na medida em que chegam ao sistema. No estado do Rio Grande do Sul, uma abordagem usada para lidar com as filas de solicitações que se formam é a regulação realizada pelo pro jeto TelessaúdeRS, em que profissionais chamados Reguladores avaliam as solicitações e autorizam ou não a consulta. Essa atividade de Regulação é bastante onerosa, fazendo com que haja sempre um grande número de solicitações pendentes de avaliação. Nesse contexto, percebe-se a necessidade de melhorar a eficiência do processo regulatório dos encaminhamentos, auxiliando os médicos Reguladores através da ferramentas que otimizem o tempo dedicado ao processo. Com vistas a atender essa necessidade, neste trabalho são avaliadas diferentes alternativas para o desenvolvimento de um Classificador de Textos baseado em Aprendizado de Máquina (ML) capaz de auxiliar na tarefa de Regulação. Trabalha-se com os textos dos encaminhamentos regulados pelo TelessaúdeRS no período de jun/2016 até abr/2019 para as especialidades de Urologia, Reumatologia, Gastro-enterologia, Endocrinologia e Proctologia. Diferentes combinações de tarefas de pré-processamento e engenharia de features foram realizadas, diferentes representações do corpus foram criadas e cinco diferentes algoritmos de ML foram experimentados para a classificação, reportando os resultados em função da ROC AUC. O melhor resultado foi obtido com uma Rede Neural Recorrente e textos representados via word embeddings. Com esse algoritmo, obteve-se uma ROC AUC de 0.83 para o todo o conjunto de hol dout (sendo ela de 0.81 para Endocrinologia, 0.77 para Gastro-enterologia, 0, 81 para Proctologia, 0.85 para Reumatologia e 0.84 para Urologia). O algoritmo proposto foi também comparado ao método atual de Regulação, usando um novo conjunto de dados, e verificou-se resultados próximos aos obtidos pelo método atual de regulação, o que é evidenciado pela Medida F1 de 0, 57 do método proposto, ligeiramente superior aos 0, 54 do método atual. Por fim, um componente funcional de software foi desenvolvido para encapsular o algoritmo em um web service permitindo o reúso da solução e a continui dade da pesquisa.