Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
Autor(a)
Garcia, Gustavo Cunha
Orientador(a) Coorientador(a)
Ladeira, Marcelo
Data de aceite
2022-01-11
Data de disponibilizacao
2022-01-11
Data de publicacao
2022-01-11
Data de defesa submissao
2021-08-31
Citacao
GARCIA, Gustavo Cunha. Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos
e queixas técnicas de dispositivos médicos no Brasil. 2021. 158 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2021.
Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
Resumo Portugues
Os dispositivos médicos estão cada dia mais presentes no cotidiano das pessoas. Por se tratar
de produtos que lidam diretamente com a saúde das pessoas, uma falha pode gerar graves
consequências à saúde. Estudos pré mercado possuem uma série de limitações, o que torna o
monitoramento pós mercado essencial, pois uma ação tempestiva pode evitar ainda maiores
danos à população. Nesse sentido, o presente estudo tem como objetivo desenvolver uma
solução baseada em aprendizado de máquina, utilizando uma técnica de mineração de texto
conhecida como Reconhecimento de Entidade Nomeadas - NER. Após uma série de
experimentos, o modelo BiLSTM + CRF, com a utilização de word embedding pré-treinadas e
uma base de dados anotada com o padrão BIO alcançaram uma macro F1-score de 87,75%.
Após a aplicação do modelo a toda base de dados, o modelo demonstrou boa capacidade em
encontrar novas entidades na base de teste, que não estavam presentes na base de treino. As
informações geradas pelo modelo permitiram a obtenção de informações importantes para a
tomada de decisão da Agência, favorecendo uma intervenção tempestiva, o que evitaria maiores
danos à saúde da população que seria exposta aos dispositivos médicos.
Resumo Ingles
Medical devices are increasingly present in people's daily lives. They are products that deal
directly with people's health, and a failure can have serious health consequences. Pre-market
studies have a number of limitations, which makes post-market surveillance essential, because
timely action can prevent even greater damage to hole population. In this sense, this study aims
to develop a solution based on machine learning, using a text mining approach known as Named
Entities Recognition - NER. After a series of experiments, the BiLSTM + CRF model, using pretrained word embedding and an annotated database with the BIO pattern, reached a macro F1-
score of 87,75%. After applying the model to the entire database, the model demonstrated good
ability to find new entities in the test database that were not present in the training database. The
information generated by the model allowed obtaining important information for the Agency's
decision-making, favoring a timely intervention, which would avoid further damage to the health
of the population that would be exposed to medical devices.
Unidade academica
Instituto de Ciências Exatas (IE)
Departamento
Departamento de Ciência da Computação (IE CIC)
Programa de Pos-Graduacao
Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional
Idioma
por
Tipo de documento
Dissertação
Formato
application/pdf
Direitos de acesso
Acesso Aberto
Termo de licenca
A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br,www.ibict.br,http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Palavras-chave
Reconhecimento de entidade nomeada||Dispositivos médicos||Eventos adversos||Queixas técnicas
