NLP Biomédico: desbloqueando a inteligência do texto clínico
Extração de informação, embeddings, BERT clínico e segurança em narrativas de saúde
Abertura: o lado escuro da lua do prontuário
Notas clínicas preservam hipóteses, negação, incerteza, raciocínio, contexto social, plano terapêutico e prioridade. Ignorá-las pode significar treinar modelos com uma visão estreita do cuidado.
Exemplo aplicado: “dor torácica provavelmente muscular; sem sinais de isquemia” contém informação muito diferente de um código genérico de dor torácica.
Sugestão visual: iceberg ou lua: parte estruturada visível, texto clínico como massa escondida.
Que informação importante na sua área raramente aparece em campo estruturado?
Pipeline: da nota clínica ao dado acionável
O pipeline típico identifica entidades, extrai relações, normaliza conceitos para vocabulários e produz saídas úteis para coortes, alertas, pesquisa ou documentação.
Exemplo aplicado: extrair “insulina glargina”, reconhecer como medicamento, mapear para RxNorm e associar dose e frequência.
Sugestão visual: fluxo texto → entidades → relações → código → uso.
Em qual etapa um erro seria mais perigoso: entidade, relação ou código?
Relações: o verbo clínico importa
Extração de relações conecta entidades. “Aspirina trata dor” é diferente de “aspirina causou sangramento” ou “alergia a aspirina”.
Exemplo aplicado: em farmacovigilância, identificar medicamento e evento adverso sem a relação causal/temporal pode gerar muitos falsos sinais.
Sugestão visual: entidades como nós e relações como setas rotuladas.
Que relação textual seria essencial para seu problema: causa, tratamento, tempo, dose ou negação?
Embeddings: significado como vizinhança
Modelos como Word2Vec e GloVe aprendem que palavras usadas em contextos parecidos tendem a ter significados relacionados. Isso ajuda busca, classificação e normalização.
Exemplo aplicado: “IAM” pode ficar próximo de “infarto” se aparece em contextos semelhantes de dor torácica, troponina e angioplastia.
Sugestão visual: mapa 2D com termos clínicos próximos por significado.
Similaridade vetorial é suficiente para diferenciar diagnóstico ativo de história familiar?
Mikolov et al., NeurIPS, 2013; Pennington et al., EMNLP, 2014.
BERT clínico: o contexto muda tudo
Modelos pré-treinados em linguagem geral sabem muito sobre gramática, mas pouco sobre jargão clínico. BioBERT, ClinicalBERT e variantes aprendem padrões de PubMed, MIMIC e textos biomédicos.
Exemplo aplicado: diferenciar “ca” como câncer, cálcio ou CA-125 depende de contexto local e domínio.
Sugestão visual: duas frases com a mesma abreviação e significados diferentes.
Quando um modelo geral de linguagem seria perigoso em texto clínico?
Devlin et al., NAACL, 2019; Lee et al., Bioinformatics, 2020; Alsentzer et al., 2019.
Negação e temporalidade: o pequeno “não” muda tudo
Algoritmos como NegEx mostraram que regras simples podem ser muito úteis para negação. Modelos modernos ampliam isso, mas ainda precisam ser avaliados em textos locais.
Exemplo aplicado: “nega dor torácica” extraído como dor torácica ativa pode gerar falso alerta de síndrome coronariana.
Sugestão visual: três frases com a mesma entidade e rótulos: presente, negado, passado.
Qual expressão de negação, incerteza ou temporalidade mais aparece nas suas notas?
Chapman et al., Journal of Biomedical Informatics, 2001; Uzuner et al., JAMIA, 2011.
Privacidade: texto é difícil de anonimizar
Nomes e datas são óbvios. Mas profissão, local, evento raro, familiares e sequência narrativa também podem reidentificar pessoas. LGPD exige finalidade, minimização, segurança e governança.
Exemplo aplicado: “professor universitário atropelado em frente ao hospital X no feriado Y” pode ser identificável mesmo sem nome.
Sugestão visual: nota com trechos mascarados e alerta para identificadores indiretos.
Que informação textual é indispensável ao modelo e qual é apenas conveniente?
Meystre et al., BMC Medical Research Methodology, 2010; Brasil, LGPD Lei nº 13.709/2018.