Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural

Detalhes bibliográficos
Ano de defesa: 2026
Autor(a) principal: Gouveia, Wellington Reguera [UNESP]
Orientador(a): Valêncio, Carlos Roberto [UNESP]
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: https://hdl.handle.net/11449/327985
Resumo: A informatização na área da saúde permite que os profissionais analisem o histórico do paciente de maneira mais rápida e eficiente, o que possibilita um atendimento mais preciso e assertivo. Nesse sentido, a Visualização de Dados permite a criação de representações visuais que auxiliam a interpretação e a compreensão dos dados alvos da análise. Contudo, grande parte das informações médicas encontra-se no formato de texto e, devido a característica não estruturada desse tipo de dado, dificulta a aplicação direta de algoritmos de extração de informação. A área de Processamento de Linguagem Natural tem como objetivo a análise automática de textos escritos na linguagem humana, mais especificamente em pesquisas recentes, têm direcionado na visualização de dados e na subárea de Reconhecimento de Entidades Nomeadas. No entanto, a maioria desses estudos são voltados para os idiomas com mais recursos, como o inglês. O presente trabalho propõe uma abordagem capaz de extrair informações relevantes de textos clínicos psiquiátricos em língua portuguesa por meio de um modelo de linguagem ajustado para o reconhecimento de entidades nomeadas, com posterior estruturação dos dados extraídos em um banco de dados relacional. Os resultados experimentais demonstram que a abordagem proposta obteve desempenho superior em relação a abordagens comparáveis, com 0,80 de precisão, 0,84 de revocação e 0,82 de F1-Score. Esses valores evidenciam a qualidade do modelo na identificação de entidades clínicas relevantes comparados com outros modelos da literatura. A avaliação do recurso de visualização mostrou uma redução média de 29,8% no tempo de entendimento do caso, de modo que se mantiveram os valores das conclusões obtidas na análise textual. A principal contribuição científica consiste no desenvolvimento de uma abordagem que agrega o processo de extração automática de informações médicas e uma ferramenta de visualização baseada em gráfico de Gantt, que representa os eventos clínicos de forma cronológica e interativa.
id UNSP_6b7fc3db351c1f2f4866f1e0ddb5e36f
oai_identifier_str oai:repositorio.unesp.br:11449/327985
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Gouveia, Wellington Reguera [UNESP]Universidade Estadual Paulista (Unesp)Valêncio, Carlos Roberto [UNESP]Zafalon, Geraldo Francisco Donegá [UNESP]Corrêa, Pedro Luiz PizzigattiValêncio, Carlos Roberto [UNESP]2026-07-16T13:19:09Z2026-06-23GOUVEIA, Wellington Reguera. Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural. 2026. Dissertação (Mestrado em Ciência da Computação) – Universidade Estadual Paulista, Instituto de Biociências Letras e Ciências Exatas, São José do Rio Preto, 2026.https://hdl.handle.net/11449/32798533004153073P244213263834673750009-0005-9419-177XA informatização na área da saúde permite que os profissionais analisem o histórico do paciente de maneira mais rápida e eficiente, o que possibilita um atendimento mais preciso e assertivo. Nesse sentido, a Visualização de Dados permite a criação de representações visuais que auxiliam a interpretação e a compreensão dos dados alvos da análise. Contudo, grande parte das informações médicas encontra-se no formato de texto e, devido a característica não estruturada desse tipo de dado, dificulta a aplicação direta de algoritmos de extração de informação. A área de Processamento de Linguagem Natural tem como objetivo a análise automática de textos escritos na linguagem humana, mais especificamente em pesquisas recentes, têm direcionado na visualização de dados e na subárea de Reconhecimento de Entidades Nomeadas. No entanto, a maioria desses estudos são voltados para os idiomas com mais recursos, como o inglês. O presente trabalho propõe uma abordagem capaz de extrair informações relevantes de textos clínicos psiquiátricos em língua portuguesa por meio de um modelo de linguagem ajustado para o reconhecimento de entidades nomeadas, com posterior estruturação dos dados extraídos em um banco de dados relacional. Os resultados experimentais demonstram que a abordagem proposta obteve desempenho superior em relação a abordagens comparáveis, com 0,80 de precisão, 0,84 de revocação e 0,82 de F1-Score. Esses valores evidenciam a qualidade do modelo na identificação de entidades clínicas relevantes comparados com outros modelos da literatura. A avaliação do recurso de visualização mostrou uma redução média de 29,8% no tempo de entendimento do caso, de modo que se mantiveram os valores das conclusões obtidas na análise textual. A principal contribuição científica consiste no desenvolvimento de uma abordagem que agrega o processo de extração automática de informações médicas e uma ferramenta de visualização baseada em gráfico de Gantt, que representa os eventos clínicos de forma cronológica e interativa.The computerization of healthcare allows professionals to analyze patient histories more quickly and efficiently, enabling more precise and assertive care. In this sense, Data Visualization allows the creation of visual representations that aid in the interpretation and understanding of the data targeted for analysis. However, much of the medical information is in text format, and due to the unstructured nature of this type of data, it hinders the direct application of information extraction algorithms. The field of Natural Language Processing aims at the automatic analysis of texts written in human language; more specifically, recent research has focused on data visualization and the sub-area of Named Entity Recognition. However, most of these studies are geared towards languages with more resources, such as English. This work proposes an approach capable of extracting relevant information from psychiatric clinical texts in Portuguese using a language model adjusted for named entity recognition, with subsequent structuring of the extracted data in a relational database. Experimental results demonstrate that the proposed approach outperformed comparable approaches, with a precision of 0.80, a recall of 0.84, and an F1-Score of 0.82. These values highlight the model's quality in identifying relevant clinical entities compared to other models in the literature. Evaluation of the visualization feature showed an average reduction of 29.8% in case comprehension time, maintaining the values of the conclusions obtained in the textual analysis. The main scientific contribution lies in the development of an approach that combines the automatic extraction of medical information and a Gantt chart-based visualization tool, which represents clinical events chronologically and interactively.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: 88887.969117/2024-00porUniversidade Estadual Paulista (Unesp)processamento de linguagem naturalreconhecimento de entidades nomeadasreconhecimento de entidades medicasvisualização de dadosnatural language processingnamed entity recognitionmedical entity recognitiondata visualizationVisualização de dados não estruturados da saúde apoiada por processamento de linguagem naturalVisualization of unstructured health data powered by natural language processinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPCiência da Computação - FC/FCT/IBILCE/IGCEComputação aplicadaSistemas de InformaçãoUniversidade Estadual Paulista (UNESP), Instituto de Biociências, Letras e Ciências Exatas, São José do Rio PretoBanca públicaPublication43c38943-bd6f-4fb6-a9a5-8482a1f632c0virtual::271094-143c38943-bd6f-4fb6-a9a5-8482a1f632c0virtual::271094-1d7c91376-28ac-4ea8-aada-e75db43fbca8virtual::271097-1d7c91376-28ac-4ea8-aada-e75db43fbca8virtual::271097-1ORIGINALgouveia_wr_me_sjrp.pdfdissertacao-wellington-final.pdfapplication/pdf5274505https://repositorio.unesp.br/bitstreams/b40d7b3b-b913-4c50-96fc-20a5d69af1b3/downloadaaa60a44b007fc73ffe5793031ff61ffMD52trueAnonymousREADTEXTgouveia_wr_me_sjrp.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2026-07-16T15:42:06Z (GMT).Extracted texttext/plain103123https://repositorio.unesp.br/bitstreams/ca223520-6a3a-4724-a515-f3f83e5c705b/downloadabafa88ffde5c9feda0385173462e6faMD53falseTHUMBNAILgouveia_wr_me_sjrp.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2026-07-16T15:42:07Z (GMT).Generated Thumbnailimage/jpeg3268https://repositorio.unesp.br/bitstreams/13b3f865-ec97-4502-9a6a-de9273d8bb8d/download860c5333f29e4bbf51e0ac074631daa9MD54falseAnonymousREADLICENSElicense.txtWritten by org.dspace.content.LicenseUtilstext/plain; charset=utf-82192https://repositorio.unesp.br/bitstreams/e0460aaa-cc1b-446f-9250-3db9a4265aad/download9a2966d4a2cfb71a0b846f3fe5f2c26cMD51false11449/3279852026-09-10T20:08:17.857648Zopen.accessoai:repositorio.unesp.br:11449/327985https://repositorio.unesp.brRepositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462026-09-10T20:08:17Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.pt.fl_str_mv Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural
dc.title.alternative.pt.fl_str_mv Visualization of unstructured health data powered by natural language processing
title Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural
spellingShingle Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural
Gouveia, Wellington Reguera [UNESP]
processamento de linguagem natural
reconhecimento de entidades nomeadas
reconhecimento de entidades medicas
visualização de dados
natural language processing
named entity recognition
medical entity recognition
data visualization
title_short Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural
title_full Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural
title_fullStr Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural
title_full_unstemmed Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural
title_sort Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural
author Gouveia, Wellington Reguera [UNESP]
author_facet Gouveia, Wellington Reguera [UNESP]
author_role author
dc.contributor.institution.pt.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.contributor.committeeMember.none.fl_str_mv Valêncio, Carlos Roberto [UNESP]
Zafalon, Geraldo Francisco Donegá [UNESP]
Corrêa, Pedro Luiz Pizzigatti
dc.contributor.author.fl_str_mv Gouveia, Wellington Reguera [UNESP]
dc.contributor.advisor1.fl_str_mv Valêncio, Carlos Roberto [UNESP]
contributor_str_mv Valêncio, Carlos Roberto [UNESP]
dc.subject.por.fl_str_mv processamento de linguagem natural
reconhecimento de entidades nomeadas
reconhecimento de entidades medicas
visualização de dados
topic processamento de linguagem natural
reconhecimento de entidades nomeadas
reconhecimento de entidades medicas
visualização de dados
natural language processing
named entity recognition
medical entity recognition
data visualization
dc.subject.eng.fl_str_mv natural language processing
named entity recognition
medical entity recognition
data visualization
description A informatização na área da saúde permite que os profissionais analisem o histórico do paciente de maneira mais rápida e eficiente, o que possibilita um atendimento mais preciso e assertivo. Nesse sentido, a Visualização de Dados permite a criação de representações visuais que auxiliam a interpretação e a compreensão dos dados alvos da análise. Contudo, grande parte das informações médicas encontra-se no formato de texto e, devido a característica não estruturada desse tipo de dado, dificulta a aplicação direta de algoritmos de extração de informação. A área de Processamento de Linguagem Natural tem como objetivo a análise automática de textos escritos na linguagem humana, mais especificamente em pesquisas recentes, têm direcionado na visualização de dados e na subárea de Reconhecimento de Entidades Nomeadas. No entanto, a maioria desses estudos são voltados para os idiomas com mais recursos, como o inglês. O presente trabalho propõe uma abordagem capaz de extrair informações relevantes de textos clínicos psiquiátricos em língua portuguesa por meio de um modelo de linguagem ajustado para o reconhecimento de entidades nomeadas, com posterior estruturação dos dados extraídos em um banco de dados relacional. Os resultados experimentais demonstram que a abordagem proposta obteve desempenho superior em relação a abordagens comparáveis, com 0,80 de precisão, 0,84 de revocação e 0,82 de F1-Score. Esses valores evidenciam a qualidade do modelo na identificação de entidades clínicas relevantes comparados com outros modelos da literatura. A avaliação do recurso de visualização mostrou uma redução média de 29,8% no tempo de entendimento do caso, de modo que se mantiveram os valores das conclusões obtidas na análise textual. A principal contribuição científica consiste no desenvolvimento de uma abordagem que agrega o processo de extração automática de informações médicas e uma ferramenta de visualização baseada em gráfico de Gantt, que representa os eventos clínicos de forma cronológica e interativa.
publishDate 2026
dc.date.accessioned.fl_str_mv 2026-07-16T13:19:09Z
dc.date.issued.fl_str_mv 2026-06-23
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv GOUVEIA, Wellington Reguera. Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural. 2026. Dissertação (Mestrado em Ciência da Computação) – Universidade Estadual Paulista, Instituto de Biociências Letras e Ciências Exatas, São José do Rio Preto, 2026.
dc.identifier.uri.fl_str_mv https://hdl.handle.net/11449/327985
dc.identifier.capes.none.fl_str_mv 33004153073P2
dc.identifier.lattes.none.fl_str_mv 4421326383467375
dc.identifier.orcid.none.fl_str_mv 0009-0005-9419-177X
identifier_str_mv GOUVEIA, Wellington Reguera. Visualização de dados não estruturados da saúde apoiada por processamento de linguagem natural. 2026. Dissertação (Mestrado em Ciência da Computação) – Universidade Estadual Paulista, Instituto de Biociências Letras e Ciências Exatas, São José do Rio Preto, 2026.
33004153073P2
4421326383467375
0009-0005-9419-177X
url https://hdl.handle.net/11449/327985
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
bitstream.url.fl_str_mv https://repositorio.unesp.br/bitstreams/b40d7b3b-b913-4c50-96fc-20a5d69af1b3/download
https://repositorio.unesp.br/bitstreams/ca223520-6a3a-4724-a515-f3f83e5c705b/download
https://repositorio.unesp.br/bitstreams/13b3f865-ec97-4502-9a6a-de9273d8bb8d/download
https://repositorio.unesp.br/bitstreams/e0460aaa-cc1b-446f-9250-3db9a4265aad/download
bitstream.checksum.fl_str_mv aaa60a44b007fc73ffe5793031ff61ff
abafa88ffde5c9feda0385173462e6fa
860c5333f29e4bbf51e0ac074631daa9
9a2966d4a2cfb71a0b846f3fe5f2c26c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1878344205812629504