Identifying antipsychotic treatment episodes using natural language processing and change-point detection
Este estudo apresenta e valida uma estrutura escalável que combina processamento de linguagem natural e detecção de pontos de mudança para reconstruir episódios longitudinais de tratamento antipsicótico a partir de registros eletrônicos de saúde não estruturados, demonstrando validade clínica e revelando associações significativas entre a complexidade do tratamento e a utilização de cuidados de saúde.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
No mundo do cuidado à saúde mental, a história do tratamento de um paciente é frequentemente escrita nas margens. Durante décadas, os médicos registraram suas decisões sobre medicação em notas de fluxo livre, descrevendo por que um fármaco foi iniciado, como o paciente respondeu ou quando uma troca foi feita. Embora essas narrativas detenham a verdadeira história da jornada de um paciente, elas estão trancadas em textos não estruturados, invisíveis para os computadores que gerenciam os dados hospitalares. Isso cria um ponto cego para pesquisadores que tentam entender como os tratamentos funcionam ao longo do tempo. Eles não conseguem ver facilmente o quadro completo de quem está tomando qual medicamento, por quanto tempo e quando o padrão muda. Sem essa clareza, é difícil saber se as práticas atuais estão ajudando os pacientes ou se estão levando a internações hospitalares desnecessárias. O desafio tem sido encontrar uma maneira de ler esses milhares de registros manuscritos e transformá-los em uma linha do tempo clara e cronológica que um computador possa compreender e analisar.
Uma equipe de pesquisadores do King's College London e do South London and Maudsley NHS Foundation Trust desenvolveu um novo método para resolver este problema. Eles criaram um sistema que combina duas ferramentas poderosas: um leitor digital que compreende a linguagem humana e um detector matemático que identifica quando um padrão muda. O leitor digital, conhecido como processamento de linguagem natural, varre as notas clínicas não estruturadas para encontrar cada menção a medicamentos antipsicóticos, os fármacos usados para tratar a esquizofrenia e condições relacionadas. Ele extrai o nome do fármaco, a dose e a data em que foi anotado. No entanto, simplesmente listar essas menções não é suficiente, porque os médicos frequentemente escrevem sobre um medicamento que interromperam anos atrás ou um que estão considerando para o futuro. Para encontrar os períodos reais em que um paciente estava tomando ativamente um fármaco específico, a equipe utilizou um algoritmo de detecção de pontos de mudança. Esta ferramenta observa o fluxo de menções de medicação e identifica os momentos exatos onde o padrão se altera, sinalizando que um tratamento terminou e outro começou.
Os pesquisadores testaram este sistema nos registros eletrônicos de saúde de 12.530 pacientes diagnosticados com transtornos do espectro da esquizofrenia entre 2007 e 2017. Eles compararam a linha do tempo do computador com 113 episódios de tratamento que haviam sido cuidadosamente marcados por especialistas humanos. O sistema apresentou alta precisão, identificando corretamente as datas de início e término dos períodos de tratamento na vasta maioria dos casos. Uma vez validado, a equipe aplicou o método a todo o grupo de pacientes. Eles descobriram 24.648 episódios de tratamento distintos, revelando um mapa detalhado de como esses pacientes foram tratados ao longo de uma década. A análise mostrou que, embora muitos pacientes permanecessem em um único medicamento por muito tempo, uma parcela significativa experimentava padrões complexos. Em quase um terço de todos os episódios de tratamento, os pacientes foram prescritos mais de um antipsicótico ao mesmo tempo. Isso incluiu tanto sobreposições curtas, onde os médicos administraram temporariamente dois fármacos enquanto faziam a transição de um para outro, quanto períodos mais longos onde múltiplos fármacos foram usados juntos intencionalmente.
O estudo também descobriu como esses padrões de tratamento se relacionam com a necessidade de cuidados hospitalares. Os dados mostraram que pacientes que foram prescritos múltiplos antipsicóticos ao mesmo tempo, ou que passaram por muitas tentativas de tratamento diferentes antes de iniciar um fármaco específico chamado clozapina, tinham maior probabilidade de serem internados e permanecer mais tempo no hospital. Por outro outro lado, pacientes que receberam versões injetáveis de ação prolongada de sua medicação, que são administradas via injeção em vez de um comprimido diário, tenderam a utilizar menos serviços hospitalares. Os pesquisadores descobriram que o tipo específico de diagnóstico e o histórico do paciente também desempenharam um papel, com certos grupos apresentando taxas mais altas de uso hospitalar. A capacidade de reconstruir automaticamente esses históricos de tratamento de longo prazo a partir de textos desordenados oferece uma nova maneira de monitorar a qualidade do cuidado. Permite que os sistemas de saúde vejam, em tempo real, quando os hábitos de prescrição se afastam das diretrizes e identifiquem pacientes que podem se beneficiar de uma mudança em seu plano de tratamento, tudo isso sem exigir que uma equipe de pessoas leia cada nota médica individualmente à mão.
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.