Como o processamento de linguagem natural tem sido aplicado na cardiologia e quais as oportunidades para a prática clínica?
Resposta curta: Uma revisão sistemática identificou 37 estudos que usaram processamento de linguagem natural (PLN) em cardiologia, principalmente para identificar pacientes com diagnósticos específicos e extrair gravidade de doença a partir de notas clínicas. A agregação de achados é limitada pela heterogeneidade de métodos. O PLN oferece oportunidades para pesquisa e cuidado clínico, mas requer padronização.
Resposta
O processamento de linguagem natural (PLN) é um conjunto de métodos automatizados para organizar e avaliar informações contidas em notas clínicas não estruturadas, que são uma rica fonte de dados do mundo real. Na cardiologia, essas notas podem ser usadas para melhorar desfechos e a compreensão das doenças. A revisão sistemática teve como objetivo fornecer uma compreensão do PLN, revisar como ele tem sido usado na cardiologia e ilustrar as oportunidades que essa abordagem oferece para pesquisa e cuidado clínico.
Os autores realizaram uma busca sistemática em seis bases de dados acadêmicas (ACM Digital Library, Arxiv, Embase, IEEE Explore, PubMed e Scopus) por estudos publicados entre 2015 e 2020 que descrevessem o desenvolvimento ou aplicação de métodos de PLN para texto clínico focado em doenças cardíacas. Foram excluídos estudos não publicados em inglês, sem descrição dos métodos de PLN, não focados em cardiologia e duplicatas. Dois revisores independentes extraíram informações gerais, detalhes clínicos e de PLN e avaliaram a qualidade usando uma lista de indicadores de qualidade para estudos de PLN.
Foram identificados 37 estudos desenvolvendo e aplicando PLN em insuficiência cardíaca, imagem, doença arterial coronariana, eletrofisiologia, cardiologia geral e doença valvar. A maioria dos estudos usou PLN para identificar pacientes com um diagnóstico específico e extrair gravidade da doença usando métodos baseados em regras. Alguns usaram algoritmos de PLN para prever desfechos clínicos. Uma limitação importante é a incapacidade de agregar achados entre estudos devido a métodos de PLN, avaliação e relato vastamente diferentes.
A revisão revela numerosas oportunidades para trabalhos futuros de PLN em cardiologia, com amostras de pacientes mais diversas, doenças cardíacas, conjuntos de dados, métodos e aplicações. Para o médico, isso significa que o PLN pode auxiliar na identificação de pacientes e extração de informações de notas clínicas, mas a implementação na prática requer atenção à padronização e validação.
Em resumo, o PLN é uma ferramenta promissora para extrair dados de notas clínicas em cardiologia, mas a heterogeneidade metodológica limita a generalização dos achados. Estudos futuros devem focar em maior diversidade e padronização para permitir aplicações clínicas robustas.
O que o estudo mostrou
Revisão sistemática que buscou em seis bases de dados estudos publicados entre 2015 e 2020 sobre desenvolvimento ou aplicação de PLN para texto clínico em doenças cardíacas. Foram incluídos 37 estudos que desenvolveram e aplicaram PLN em insuficiência cardíaca, imagem, doença arterial coronariana, eletrofisiologia, cardiologia geral e doença valvar. A maioria usou PLN para identificar pacientes com diagnóstico específico e extrair gravidade da doença com métodos baseados em regras; alguns usaram algoritmos para prever desfechos clínicos. A agregação de achados foi limitada pela heterogeneidade de métodos, avaliação e relato.
Limitações
A principal limitação relatada é a incapacidade de agregar achados entre os estudos devido a métodos de PLN, avaliação e relato vastamente diferentes. O resumo não informa detalhes sobre a qualidade individual dos estudos incluídos, nem sobre a população total analisada. Além disso, a busca restrita a estudos em inglês pode ter excluído publicações relevantes em outros idiomas.
Aplicação no consultório
O PLN pode ser uma ferramenta útil para identificar pacientes com diagnósticos cardíacos específicos e extrair informações de gravidade a partir de notas clínicas, auxiliando na estratificação de risco e na gestão de pacientes. No consultório, isso pode otimizar a triagem e o acompanhamento, mas a implementação requer cautela devido à falta de padronização dos métodos. Médicos devem considerar a validação local das ferramentas antes de adotá-las na prática clínica.
Estudo citado
Systematic review of current natural language processing methods and applications in cardiology. Heart (British Cardiac Society), 2022.
Autores: Reading Turchioe M, Volodarskiy A, Pathak J, Wright DN, Tcheng JE, Slotwiner D.
DOI: 10.1136/heartjnl-2021-319769 · PubMed: PMID 34711662
Perguntas para aprofundar
- Quais são os principais métodos de processamento de linguagem natural utilizados em cardiologia?
- Como o processamento de linguagem natural pode auxiliar na identificação de pacientes com insuficiência cardíaca?
- Quais os desafios para integrar ferramentas de processamento de linguagem natural na prática clínica cardiológica?
Mais sobre IA em cardiologia (ECG e ecocardiograma)
- A inteligência artificial já melhora o diagnóstico e o tratamento em cardiologia na prática clínica?
- Como a inteligência artificial pode auxiliar o cardiologista clínico na prática?
- A inteligência artificial pode transformar o cuidado das arritmias na prática clínica?
- A inteligência artificial aplicada ao ecocardiograma já pode ser usada na prática clínica para avaliar disfunção diastólica?
- Gêmeos digitais em cardiologia de precisão: quais tecnologias, aplicações clínicas e barreiras de implementação a revisão sistemática identificou?
Todas as perguntas sobre IA em cardiologia (ECG e ecocardiograma) · Todos os temas · Versão em markdown