A Extração de Entidades Nomeadas em Bulas de Medicamentos e em Relatos de Casos Clínicos

Abstract

As bulas farmacêuticas são documentos com informações sobre medicamentos como a sua posologia, as reações adversas, dentre outras informações. Os relatos de casos clínicos são narrativas descritivas e detalhadas das experiências médicas com pacientes. A proposta deste artigo é apresentar e descrever o método de trabalho utilizado para a Extração de Informação automática das bulas farmacêuticas e de relatos de casos clínicos através do Reconhecimento de Entidades Nomeadas. Um modelo de Inteligência Artificial foi treinado a partir de uma abordagem híbrida baseada em Conditional Random Fields (CRF) e Local Grammar (LG), denominada CRF+LG. Os resultados obtidos em medida F1 nos testes com as bulas foram de 94.85% na extração das entidades sobre doenças e 68.63% na extração das entidades sobre medicamentos. Os resultados obtidos nos testes com os relatos de casos clínicos foram de 77.42% na extração das entidades sobre doenças e 87.34% na extração das entidades sobre medicamentos. Os resultados demonstraram que a iniciativa apresentada pode contribuir para auxiliar profissionais de saúde na extração de informações de bulas e de relatos de casos clínicos.