Leveraging Taxonomy Similarity for Next Activity Prediction in Patient Treatment

Each language version is independently generated for its own context, not a direct translation.

Imagine que você é um médico no meio de um turno muito corrido. O paciente na sua frente tem um quadro complexo: várias doenças, exames recentes e uma história médica cheia de detalhes. Você precisa decidir qual será o próximo passo no tratamento dele. Será que é hora de uma cirurgia? De um antibiótico específico? Ou de uma fisioterapia?

Fazer essa decisão sozinho, olhando para milhares de possibilidades, é como tentar achar uma agulha em um palheiro, mas o palheiro é gigante e a agulha muda de lugar o tempo todo.

É aqui que entra o estudo que você pediu para explicar. Os autores criaram uma ferramenta chamada TS4NAP. Vamos descomplicar como ela funciona usando analogias do dia a dia.

1. O Problema: O "Palheiro" de Dados Médicos

Os hospitais geram montanhas de dados. Mas esses dados não são apenas números; eles são códigos (como o ICD-10) que descrevem doenças e procedimentos. O problema é que esses códigos são muito específicos.

Se o sistema de computador procurar apenas por "exatamente a mesma doença" que um paciente anterior teve, ele pode não encontrar nada útil, porque cada paciente é único.
É como tentar encontrar um livro na biblioteca procurando apenas pelo título exato. Se você procurar por "O Senhor dos Anéis: A Sociedade do Anel", não vai encontrar "O Senhor dos Anéis: O Retorno do Rei", mesmo que sejam a mesma história.

2. A Solução: O "Mapa de Parentesco" (Taxonomia)

Os autores usaram algo chamado Taxonomia. Pense na taxonomia médica como um árvore genealógica gigante ou um mapa de parentesco de todas as doenças e procedimentos.

No topo da árvore, você tem categorias gerais (ex: "Doenças do Coração").
Nos galhos, você tem subcategorias (ex: "Infarto").
Nas folhas, você tem os casos específicos (ex: "Infarto agudo do miocárdio com complicação").

A grande sacada do TS4NAP é que ele não olha apenas para o código exato. Ele entende que dois códigos diferentes podem ser "primos" ou "irmãos" nessa árvore. Se um paciente anterior teve um "infarto leve" e o atual tem um "infarto moderado", o sistema sabe que são muito parecidos, mesmo que os códigos sejam diferentes.

3. Como a Ferramenta Funciona: O "Jogo de Casamento"

Aqui entra a parte matemática, mas vamos usar uma analogia de casamento (ou pareamento).

Imagine que você tem dois grupos de pessoas em uma festa:

Grupo A: O paciente atual e seus sintomas (diagnósticos) e o que já foi feito (procedimentos).
Grupo B: Todos os pacientes anteriores que já passaram pelo hospital.

O TS4NAP faz um jogo de pareamento para encontrar os "melhores casais" entre o paciente atual e os históricos.

Semelhança de Diagnóstico: Ele compara a lista de doenças do paciente atual com a lista de doenças dos pacientes antigos. Ele usa a "árvore genealógica" para ver o quão parecidas são.
Semelhança de Procedimento: Ele compara o que foi feito (ex: cirurgias) e a ordem em que foi feito.
O "Match" Perfeito: O sistema usa um algoritmo inteligente (chamado Matching de Grafos Bipartidos) para encontrar o conjunto de pacientes antigos que mais se parece com o atual, considerando não só o que eles tinham, mas a ordem em que as coisas aconteceram.

É como se o sistema dissesse: "Olha, este paciente de 2018 tinha um quadro muito parecido com o seu, e a sequência de tratamentos que funcionou com ele é a melhor aposta para você."

4. O Resultado: Previsão Explicável

Depois de encontrar os "melhores casais" (os pacientes mais parecidos), o sistema olha para o que aconteceu logo depois no histórico desses pacientes.

Se 80% dos pacientes parecidos fizeram uma cirurgia de coração como próximo passo, o sistema sugere: "Considere uma cirurgia de coração".

O grande diferencial: Diferente de muitas inteligências artificiais que são "caixas pretas" (você dá a entrada e sai a resposta sem saber o porquê), o TS4NAP é transparente.

Ele pode dizer: "Sugiro esta cirurgia porque o paciente X, que tinha sintomas muito parecidos (mesma árvore genealógica de doenças), fez isso e melhorou."
Isso dá confiança ao médico, pois ele pode ver a lógica por trás da sugestão.

5. O Que Eles Descobriram?

Eles testaram essa ideia com dados reais de um hospital nos EUA (MIMIC-IV), analisando 36 tipos diferentes de doenças.

A mágica acontece na complexidade: Quanto mais variado e complexo o caso (muitos tipos diferentes de doenças e tratamentos), melhor o sistema funciona.
Por quê? Em casos simples, é fácil adivinhar. Mas em casos complexos, onde os códigos exatos não batem, a capacidade do sistema de entender que "doença A é parecida com doença B" faz toda a diferença.
Resultado: A precisão das previsões melhorou significativamente quando eles usaram esse "mapa de parentesco" (taxonomia) em comparação com métodos que só olham para códigos exatos.

Resumo em uma frase

O TS4NAP é como um assistente de pesquisa médica superinteligente que, ao invés de procurar apenas por cópias exatas de casos antigos, entende as nuances e "parentescos" entre diferentes doenças para sugerir o próximo passo no tratamento, explicando exatamente por que fez essa sugestão.

Isso ajuda os médicos a tomarem decisões mais rápidas, seguras e baseadas em evidências, especialmente quando o caso do paciente é complicado e cheio de detalhes.

Each language version is independently generated for its own context, not a direct translation.

1. Problema e Contexto

O planejamento de tratamento médico é uma tarefa complexa devido à natureza intensiva em conhecimento, à alta variabilidade dos processos clínicos e à escassez de dados médicos de alta qualidade. Técnicas de Monitoramento Preditivo de Processos (PPM), especificamente a Previsão da Próxima Atividade (NAP - Next Activity Prediction), podem auxiliar os médicos ao sugerir o próximo passo no tratamento.

No entanto, a aplicação de NAP na medicina enfrenta desafios significativos:

Variabilidade: Os caminhos dos pacientes são altamente heterogêneos.
Explicabilidade: Modelos de "caixa preta" (como redes neurais profundas) são frequentemente rejeitados por clínicos que necessitam de transparência e justificativa para as decisões.
Qualidade dos Dados: A documentação médica muitas vezes é não estruturada ou de baixa qualidade, embora existam dados codificados uniformemente (como diagnósticos e procedimentos).

O artigo propõe que a exploração do conhecimento semântico embutido em taxonomias médicas (ICD-10-CM para diagnósticos e ICD-10-PCS para procedimentos) pode superar essas limitações, melhorando a precisão e a explicabilidade das previsões.

2. Metodologia: Abordagem TS4NAP

Os autores propõem a abordagem TS4NAP (Taxonomy Similarity for Next Activity Prediction), um método baseado em similaridade que não utiliza modelos de "caixa preta". A metodologia consiste nos seguintes componentes principais:

A. Utilização de Taxonomias Médicas

O método utiliza as estruturas hierárquicas do ICD-10-CM (diagnósticos) e ICD-10-PCS (procedimentos hospitalares). Em vez de tratar os códigos como strings literais, o sistema explora as relações semânticas entre eles (ex: um código específico é um subconjunto de um código mais geral).

B. Medida de Similaridade Semântica

Para calcular a similaridade entre dois conceitos (códigos médicos), o método emprega uma medida baseada em Conteúdo de Informação (IC) proposta por Sánchez et al.

O IC mede a especificidade de um conceito com base no número de descendentes (folhas) e ancestrais na árvore taxonômica.
A similaridade entre dois códigos $c_1$ e $c_2$ é calculada usando o Menor Subsumidor Comum (LCS) e a fórmula de Lin adaptada:
$sim_{Sánchez}(c_1, c_2) = \frac{2 \cdot IC(LCS(c_1, c_2))}{IC(c_1) + IC(c_2)}$
Isso permite que códigos semanticamente próximos (mesmo que não idênticos) tenham alta similaridade.

C. Transformação em Grafos Bipartidos e Matching Máximo

Para lidar com a variabilidade na ordem dos eventos e na lista de diagnósticos, o método transforma dois traços (traces) a serem comparados em grafos bipartidos.

Nós: Representam eventos (procedimentos) ou elementos de lista (diagnósticos).
Arestas: Conectam elementos de um traço ao outro.
Pesos das Arestas: Combinam a similaridade taxonômica ( $sim_{Sánchez}$ ) com um peso baseado na ordem ( $w_{order}$ ), que penaliza diferenças na posição temporal ou de prioridade dos eventos.
Algoritmo: Utiliza o algoritmo de Matching Máximo de Peso (Hungarian Algorithm) para encontrar a correspondência ótima entre os elementos dos dois traços, maximizando a similaridade global enquanto respeita a ordem relativa.

D. Cálculo da Similaridade Global

A similaridade final entre dois traços ( $\sigma$ e $\sigma'$ ) é uma combinação ponderada da similaridade da lista de diagnósticos ( $sim_{list}$ ) e da similaridade do fluxo de controle/procedimentos ( $sim_{cf}$ ):
$sim_{trace}(\sigma, \sigma') = \alpha_1 \cdot sim_{list} + \alpha_2 \cdot sim_{cf}$
Os pesos $\alpha_1$ e $\alpha_2$ são ajustados dinamicamente com base no comprimento do traço.

E. Previsão

Dado um traço de entrada (paciente atual), o sistema:

Calcula a similaridade com todos os traços históricos no log de eventos.
Seleciona os $n$ traços mais similares.
Extrai o evento imediato seguinte ( $| \sigma | + 1$ ) desses traços similares.
Agrupa eventos idênticos e os classifica pela soma das similaridades dos traços que os propõem, retornando os $n$ próximos eventos mais prováveis.

3. Estudo de Caso e Avaliação

Dados: O estudo utilizou o dataset MIMIC-IV (base de dados de registros eletrônicos de saúde de um hospital em Boston).
Construção: Foram criados 36 logs de eventos distintos, um para cada categoria de diagnóstico primário com pelo menos 500 internações (ex: Infarto Agudo do Miocárdio, Sepse, Osteoartrite).
Validação: Foi utilizada a validação cruzada "leave-one-out" (LOO-CV).
Comparação: A abordagem TS4NAP com conhecimento taxonômico (TS4NAPT) foi comparada com uma versão de base (TS4NAPB) que usa apenas igualdade booleana (códigos idênticos = 1, diferente = 0), ignorando a semântica.
Métrica: A métrica principal foi a Similaridade Média entre a próxima atividade real e as previsões, em vez de apenas a acurácia exata, para valorizar "quase acertos" clinicamente relevantes.

4. Resultados Principais

Melhoria Geral: A integração de conhecimento taxonômico (TS4NAPT) superou significativamente a abordagem de base (TS4NAPB) em 34 dos 36 logs de eventos analisados.
Desempenho: A similaridade média global foi de 74%, com picos de até 97% (para diagnósticos mais padronizados como Osteoartrite do Joelho - M17) e um mínimo de 56%.
Impacto da Complexidade: A melhoria foi mais pronunciada em logs de eventos com maior número de eventos únicos e maior número de variantes de traço (caminhos clínicos mais complexos). Em cenários simples e padronizados, a vantagem foi menor, indicando que o custo computacional da taxonomia vale a pena principalmente na complexidade.
Prefixos: A abordagem mostrou ganhos significativos para prefixos curtos e médios (até 9 eventos), onde a escassez de dados é maior. Para prefixos muito longos, a melhoria diminuiu devido à dispersão comportamental.
Estatística: Os testes t de um lado confirmaram a significância estatística das melhorias na maioria dos casos (p < 0.05).

5. Contribuições e Significância

Abordagem "White-Box": Diferente de modelos de Deep Learning, o TS4NAP é totalmente explicável. A previsão é baseada em casos históricos similares encontrados explicitamente, permitindo que médicos entendam por que uma sugestão foi feita (baseada em pacientes com diagnósticos e procedimentos semanticamente similares).
Integração de Conhecimento de Domínio: Demonstra que o uso estruturado de taxonomias médicas (ICD-10) pode mitigar a escassez de dados e a variabilidade, capturando relações semânticas que modelos baseados apenas em igualdade de strings perdem.
Aplicabilidade Operacional: As previsões podem ser usadas para gestão de leitos, alocação de equipamentos e coordenação de cuidados, oferecendo um horizonte de planejamento de curto prazo.
Limitações e Futuro: O método tem complexidade computacional alta (O(n^4) no matching), o que pode ser um desafio para grandes volumes de dados em tempo real. Trabalhos futuros sugerem otimização de recuperação, uso de algoritmos de alinhamento mais avançados (como Smith-Waterman) e integração com técnicas de Deep Learning que incorporem essa similaridade taxonômica em suas funções de perda.

Em resumo, o artigo valida que a similaridade baseada em taxonomia é uma ferramenta poderosa e explicável para prever o próximo passo no tratamento de pacientes, especialmente em cenários clínicos complexos e variados, superando abordagens tradicionais de correspondência exata.