# Quais abordagens existem para identificar seções em narrativas clínicas de prontuários eletrônicos e o que a revisão sistemática mostra sobre seu desempenho?

> A revisão sistemática identificou 39 estudos com métodos muito variados, dependentes do tipo de narrativa e da seção. A maioria usou métodos baseados em regras, seguidos por aprendizado de máquina e abordagens híbridas. Métodos híbridos superaram os de aprendizado de máquina puro, mas ficaram abaixo dos baseados em regras, com escopo mais ambicioso. Poucos estudos relataram testes em configuração formal.

Estudo citado: Pomares-Quimbaya A, Kreuzthaler M, Schulz S. Current approaches to identify sections within clinical narratives from electronic health records: a systematic review. BMC medical research methodology. 2019. DOI: https://doi.org/10.1186/s12874-019-0792-y. PubMed: https://pubmed.ncbi.nlm.nih.gov/31319802/

## Resposta

A identificação de seções no conteúdo narrativo de prontuários eletrônicos tem sido estudada como forma de melhorar tarefas de extração clínica, mas ainda não há entendimento compartilhado sobre o conceito e os métodos existentes. Esta revisão sistemática buscou reunir e analisar as abordagens automáticas ou semiautomáticas propostas para essa tarefa, oferecendo à comunidade de processamento de linguagem natural clínica uma análise formal do tema.

Foram incluídos artigos das bases SCOPUS, Web of Science e PubMed, de janeiro de 1994 a setembro de 2018, com critérios de elegibilidade predefinidos e recomendações PRISMA. Após a seleção, 39 estudos foram analisados. As abordagens variaram bastante conforme o tipo de narrativa, o tipo de seção e a aplicação, o que dificulta uma comparação direta entre os métodos e reforça a heterogeneidade do campo.

Do ponto de vista técnico, os métodos foram classificados em baseados em regras, aprendizado de máquina e combinação de ambos. Os métodos híbridos apresentaram melhores resultados que os de aprendizado de máquina puro, mas inferiores aos baseados em regras; no entanto, seu escopo era mais ambicioso que o destes últimos. A maioria dos estudos propôs métodos formais, enquanto parte adaptou métodos previamente criados.

A maior parte dos estudos era voltada para textos em inglês e para resumos de alta hospitalar. Quase todos os estudos recorreram a dicionários personalizados, usados em conjunto com terminologia controlada, mais comumente o metatesauro UMLS. Apenas parte dos estudos conseguiu identificar seções explícitas e implícitas, e pouco mais da metade era capaz de identificar seções, mas não subseções.

Apesar dos resultados promissores de desempenho, poucos estudos relataram testes em configuração formal. A revisão conclui que a identificação de seções em narrativas de prontuários eletrônicos ganha popularidade para aprimorar projetos de extração clínica, mas a padronização de conceitos e de avaliação ainda é limitada, o que deve orientar escolhas metodológicas na prática.

## O que o estudo mostrou

Revisão sistemática com artigos de SCOPUS, Web of Science e PubMed, de janeiro de 1994 a setembro de 2018, seguindo critérios de elegibilidade e recomendações PRISMA, que selecionou 39 estudos. As abordagens variaram conforme narrativa, seção e aplicação; 57% propuseram métodos formais e 43% adaptaram métodos prévios; a maioria era para textos em inglês e 41% para resumos de alta hospitalar; 46% identificavam seções explícitas e implícitas; 54% identificavam seções, mas não subseções; tecnicamente, 59% eram baseados em regras, 22% em aprendizado de máquina e 19% combinação.

## Limitações

O resumo não informa detalhes sobre a qualidade individual dos estudos incluídos nem sobre a população de pacientes. Os próprios autores apontam que poucos estudos relataram testes em configuração formal, e a grande variação entre narrativas, tipos de seção e aplicações limita comparações diretas entre os métodos. A ausência de entendimento compartilhado sobre o conceito de seção também restringe a generalização dos achados.

## Aplicação no consultório

Para o médico que participa de projetos de extração de dados ou da escolha de ferramentas de documentação clínica, a revisão sugere que métodos baseados em regras e híbridos podem ser considerados, mas com expectativas realistas, pois poucos foram testados em configuração formal. Na gestão do consultório, ao avaliar sistemas que organizam narrativas de prontuários, é prudente verificar se a ferramenta identifica seções explícitas e implícitas e se usa terminologia controlada, como o UMLS, além de checar a validação do método antes da adoção.

## Perguntas para aprofundar

- Como métodos baseados em regras, aprendizado de máquina e híbridos se comparam na identificação de seções em prontuários eletrônicos?
- Quais tipos de seção e de narrativa clínica são mais frequentemente abordados nessa tarefa?
- O que falta para que a identificação de seções em narrativas clínicas seja validada em configuração formal?

Tema: Escriba ambiental e documentação clínica com IA. Página: https://alphadoctor.com.br/ciencia/ia-escriba-documentacao/quais-abordagens-existem-para-identificar-secoes-em-narrativas-clinicas-de/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.