Feasibility of using automatically extracted routine clinical data in a respiratory cohort study: The SPHN-SPAC demonstrator project.
O projeto demonstrador SPHN-SPAC demonstra que dados clínicos rotineiros extraídos automaticamente podem complementar efetivamente a abstração manual em estudos de coortes respiratórias pediátricas ao melhorar a completude dos dados e capturar mais eventos, embora sua aplicação mais ampla esteja atualmente limitada por práticas de documentação heterogêneas e pelo esforço significativo exigido para a harmonização dos dados.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
Imagine que você está tentando resolver um quebra-cabeça gigante, mas as peças estão espalhadas por milhares de caixas diferentes em uma biblioteca enorme. Este é o mundo da pesquisa médica, onde cientistas tentam entender como as doenças afetam as pessoas ao longo do tempo. Para fazer isso, eles geralmente precisam construir uma "coorte", que é apenas uma palavra sofisticada para um grupo de pessoas que eles acompanham de perto. Tradicionalmente, os pesquisadores têm que atuar como escribas humanos, sentados em hospitais e copiando manualmente notas de prontuários de pacientes para seus próprios bancos de dados. É lento, caro e um pouco como tentar encher uma piscina com uma colher de chá.
Nos últimos anos, uma nova ideia surgiu: e se pudéssemos simplesmente pedir ao computador do hospital para extrair automaticamente as peças certas para nós? É aqui que entram os "dados clínicos de rotina". Estes são registros digitais que médicos e enfermeiros criam todos os dias ao tratar pacientes — coisas como resultados de exames de sangue, datas de consultas e diagnósticos. A esperança é que, se pudermos ensinar os computadores a agarrar esses dados automaticamente, poderemos estudar grandes grupos de pessoas de forma muito mais rápida e barata. No entanto, há um porém. Só porque os dados existem em um computador, não significa que estejam prontos para serem usados. Eles podem estar escritos em um código secreto, armazenados em um formato bagunçado ou escondidos em diferentes partes do sistema. A grande questão que os pesquisadores estão fazendo é: podemos realmente confiar nesses "pegadores" digitais automáticos para nos dar a mesma boa informação que nossos cuidadosos escribas humanos, ou o computador apenas nos entregará um monte de peças de quebra-cabeça quebradas?
Este artigo conta a história de uma equipe na Suíça que decidiu testar essa ideia usando um grupo de crianças com problemas respiratórios. Eles estabeleceram um "projeto demonstrativo" para ver se poderiam substituir ou, pelo menos, ajudar seus escribas humanos com um sistema automático chamado Swiss Personalized Health Network (SPHN).
Os pesquisadores analisaram 1.075 crianças que faziam parte de um estudo chamado Swiss Paediatric Airway Cohort (SPAC). Durante anos, uma equipe de pesquisadores humanos havia copiado manualmente dados dos prontuários médicos dessas crianças. Para este novo projeto, a equipe pediu aos computadores do hospital para extrair automaticamente as mesmas informações usando o sistema SPHN. Eles queriam verificar três coisas: quanto tempo levaria para obter os dados, quanto dado eles poderiam realmente obter e o quão bem os dados do computador correspondiam aos dados dos humanos.
Os resultados foram uma mistura de "boas notícias" e "calma lá". Primeiro, o sistema automático era um monstro faminto por dados, mas de um jeito positivo. Ele encontrou muito mais consultas do que os humanos. Por exemplo, em um hospital, o computador encontrou 1.963 consultas ambulatoriais, enquanto os humanos havram registrado apenas 1.049. Em outro, encontrou 2.343 consultas contra 1.010. O computador também conseguiu encontrar consultas de crianças cujos pais nem sequer haviam preenchido os questionários de acompanhamento, agindo como uma rede de segurança que capturou informações que os humanos perderam.
No entanto, obter esses dados não foi tão simples quanto apertar um botão de "download". Levou à equipe cerca de 24 meses — dois anos inteiros! — para deixar os dados prontos. Eles tiveram que lutar através de um labirinto de diferentes sistemas de computadores hospitalares, cada um falando sua própria língua. Os dados saíram em um formato chamado RDF (Resource Description Framework), que é uma forma altamente estruturada, mas muito abstrata, de organizar informações que os computadores adoram, mas que os humanos acham difíceis de ler. A equipe teve que gastar uma quantidade enorme de tempo e dinheiro (cerca de 242.000 francos suíços antecipadamente) para traduzir isso em um formato que pudessem realmente usar em seu estudo.
Quando finalmente compararam os dois conjuntos de dados, o computador foi surpreendentemente preciso para as coisas que conseguia encontrar. Para números estruturados como altura, peso e testes de função pulmonar (espirometria), o computador e os humanos concordaram quase perfeitamente. Os números coincidiam tão proximamente que os dados do computador eram tão confiáveis quanto os dos humanos para esses itens específicos. Mas o computador não era perfeito. Ele perdeu algumas coisas que os humanos encontravam facilmente, como detalhes sobre quais medicamentos foram prescritos durante as consultas ambulatoriais ou resultados de testes de alergia cutânea (skin prick tests). Ele também teve dificuldade em encontrar informações que estavam escritas em notas de texto livre, em vez de estarem digitadas em campos específicos.
A equipe também verificou o quão bem os dados do computador correspondiam ao que os pais relatavam em pesquisas sobre visitas ao pronto-socorro. O computador e os pais concordaram majoritariamente sobre se uma visita ocorreu ou não (alta "concordância negativa"), mas quando uma visita de fato aconteceu, eles nem sempre concordavam sobre o momento exato ou os detalhes. Isso provavelmente ocorre porque os pais podem se lembrar de uma visita a um hospital diferente que o computador não viu, ou porque podem esquecer uma visita menor.
No fim, o artigo sugere que a extração automática de dados é uma ferramenta poderosa que pode fornecer aos pesquisadores mais informações e capturar coisas que os humanos podem perder, mas ainda não pode substituir completamente o toque humano. O computador é ótimo para agarrar os números estruturados e fáceis, mas ainda precisa de muita ajuda para entender as partes bagunçadas, manuscritas ou de texto livre da história de um paciente. Os pesquisadores concluem que, embora esta tecnologia seja promissora, precisamos corrigir a maneira como os hospitais escrevem suas notas e construir melhores ferramentas para traduzir a linguagem do computador antes que possamos confiar totalmente nele para fazer todo o trabalho. É um assistente muito útil, mas, por enquanto, ainda precisa de um supervisor humano para garantir que as peças do quebra-cabeça se encaixem corretamente.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.