Como os computadores entendem uma prescrição, evolução ou laudo médico?

Podemos começar essa história nos anos 50, quando Alan Turing propôs o famoso “Teste de Turing”, no qual uma máquina deveria ser indistinguível de um ser humano para ser verdadeiramente inteligente, ou então em 1954, quando a IBM fez as primeiras traduções de textos do Russo para o Inglês. Seja como for, a vontade de criar máquinas que possam entender a escrita e a fala do ser humano é um desejo antigo e se mistura com a história da própria computação. Essa área da computação se chama “Processamento da Linguagem Natural” ou NLP.

De um livro de regras para sistemas de machine learn

O ano é 1975, Will Crowther, um programador divorciado e com saudade dos filhos, escreve o primeiro “text game” da história, o Colossal Cave Adventures. Com o objetivo de se manter próximo das crianças, ele criou um programa que era bem simples. O computador apresentava uma pequena narrativa em texto como: “Você está em uma caverna escura, de um lado, uma parede de rochas, de outro, uma luz, o que você faz?”. Cheio de regras programadas, diante de uma tela verde, você podia investigar o ambiente escrevendo “ande para frente” ou “pegue a lanterna”, então o jogo se desenrolava em forma de texto na sua frente.

Todos os esforços para entender a linguagem humana, até os anos 80, eram fundamentalmente baseados em um gigantesco livro regras: “se aparecerem essas palavras”, então faça isso. Muito comumente, todos os sinônimos possíveis de certas ações eram mapeadas para um resultado. Por exemplo: “pegue o martelo”, “use o martelo” e “segure o martelo”, podem levar a uma mesma compreensão por parte do computador “usar o martelo”. Você já deve ter percebido o problema, então eu tenho que adicionar todas as ações? É, tem sim. Você precisava criar gramáticas gigantescas, ou regras complexas para tentar mapear mais possibilidades.

O problema do significado

Tudo bem, mas e se eu disser para o computador “não use o martelo”. Eu preciso que ele entenda que não é para usar. E se eu disser “pegue o martelo”? Devo entender que é para usar, ou só para segurar? Depende, não é verdade? É uma questão de contexto. Alan Turing precisaria esperar mais um pouco. Nos anos 80 e 90 vieram novos métodos para resolver esse problema: os modelos estatísticos.

Diferente do modelo de regras, o modelo estatístico se propõe a analisar os elementos de uma frase, classificá-los, pesá-los e depois, com alguma confiança, dizer seu significado. Em vez de um conjunto de regras, utilizamos e anotamos uma grande quantidade de texto, informando o que cada palavra significa e suas relações.

Vamos pegar por exemplo: “Então Alice pegou o martelo para pregar o quadro”. Nessa frase, ensinamos para o computador que um “martelo” é uma ferramenta, que “Alice” é uma pessoa, que “pegar e pregar” é uma ação, e “quadro” é um substantivo.

Não fazemos isso com um, mas com centenas de exemplos, e depois pedimos para o computador “aprender” sobre isso. Então, ele começa a entender o significado, as relações das coisas.

Interpretação da evolução médica

Para interpretar a evolução médica, a lógica utilizada é a mesma do exemplo da frase da Alice. Veja: “Foi puncionado acesso venoso em membro superior esquerdo com Abocath Nº 18 a/c.”. Neste caso, ensinamos o computador que o “Abocath” é um material, que “Puncionado” é uma ação e “membro superior esquerdo” é o substantivo.

Novamente, depois de treinar o computador com vários exemplos e variantes, ele começa a interpretar as sentenças através de diversos modelos estatísticos e pode concluir se a punção acima deveria estar incluída na conta médica ou não.

Apesar de ser necessário utilizar muitos exemplos para treinar o computador para ele começar a ter um relativo sucesso, depois de treinado ele conseguirá "ler" milhares de evoluções em poucos segundos e definir o que pode ou não pode ser cobrado dos convênios, por exemplo.

Abaixo alguns outros exemplos reais do treinamento com textos clínicos:

E como usar essa tecnologia se eu já tenho um ERP ?

O Doutor Marvin é um software que foi treinado para analisar as conta médicas e através de um modelo de dados definido, ele trabalha de forma integrada ao ERP da instituição, seja o Tasy, MV ou ainda outra solução.

Uma vez integrado ao ERP, ele analisa todas as contas médicas, faz a leitura dos textos usando NLP  e aponta as inconformidades para melhoria da conta médica ajudando os auditores a melhorar a qualidade do faturamento.

Maiores informações sobre o Dr. Marvin podem ser vistas no www.doutormarvin.com.br.