Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/39032| Título: | Aplicação de modelos de linguagem natural para identificação de informações em registros clínicos |
| Título(s) alternativo(s): | Applications of application of natural language models for identifying information in clinical records |
| Autor(es): | Lima, Breno da Silva |
| Orientador(es): | Almeida, Simone de |
| Palavras-chave: | Registros médicos Saúde pública Processamento de linguagem natural (Computação) Medical records Public health Natural language processing (Computer science) |
| Data do documento: | 4-Nov-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | LIMA, Breno da Silva. Aplicação de modelos de linguagem natural para identificação de informações em registros clínicos. 2025. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2025. |
| Resumo: | Este trabalho propõe uma solução para melhorar a qualidade, consistência e a rastreabilidade dos registros clínicos em Unidades de Pronto Atendimento (UPAs) utilizando técnicas de Processamento de Linguagem Natural (NLP) e modelos de Linguagem de Grande Escala (LLMs). Em contextos de alta demanda, caracterizados por atendimentos rápidos e sobrecarga de profissionais, tornam-se comuns erros de preenchimento dos registros, especialmente a inserção de prescrições no campo destinado às evoluções dos atendimentos, impactando o atendimento médico e processos de faturamento. A solução desenvolvida combina a biblioteca spaCy, para anonimização e pré-processamento de dados sensíveis, com os modelos GPT-5 e Gemini 2.5 Pro, permitindo identificar e classificar corretamente informações clínicas. Um software de análise comparativa interativo foi implementado, possibilitando que profissionais da saúde avaliem e comparem respostas de diferentes LLMs. Os resultados preliminares indicam que os LLMs conseguem extrair informações relevantes com alto nível de detalhamento, especialmente o GPT-5, evidenciando o potencial da abordagem para otimizar o fluxo de atendimento e aumentar a confiabilidade dos dados médicos em UPAs. |
| Abstract: | This work proposes a solution to improve the quality, consistency, and traceability of clinical records in Emergency Care Units (UPAs) through Natural Language Processing (NLP) techniques and Large Language Models (LLMs). In high-demand environments, record-keeping errors - such as entering prescriptions in evolution fields - compromise data integrity, affecting both medical care and billing processes. The developed solution combines the spaCy library for data anonymization and preprocessing with GPT-5 and Gemini 2.5 Pro models, enabling accurate identification and classification of clinical information. An interactive comparative analysis software was implemented, allowing healthcare professionals to evaluate and compare responses from different LLMs. Preliminary results indicate that LLMs can extract relevant information with a high level of detail, especially GPT-5, demonstrating the potential of this approach to optimize patient care workflows and increase the reliability of medical data in UPAs. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/39032 |
| Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| modeloslinguagemregistrosclinicos.pdf | 1,8 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
