Codificacin automatizada de documentos clnicos Prof Dr Stefan

Codificación automatizada de documentos clínicos Prof Dr Stefan Schulz Universidad de Freiburg (Alemania) Prof Dr Edson Pacheco PUC Paraná, Curitiba (Brasil)

Introducción Métodos Resultados Conclusión Sistemas de Información Hospitalarios (SIH) Lenguaje Natural (Texto)

Introducción Métodos Resultados Conclusión

Introducción Métodos Resultados Conclusión

Introducción Métodos Resultados Conclusión

Introducción Métodos Resultados Conclusión PACIENTE: ARM. CEDULA: 1079616148 3 M 95 FECHA DE INGRESO: 09 02 09 FECHA DE NAC. 27 JUL 1996 SEXO: Femenino AHF: Madre de 45 años, dedicada al hogar, escolaridad secundaria, casada, católica, niega toxicomanías, padece HAS (13 años) y DM 2 (2 años), hipotiroidismo (4 años) actualmente en tratamiento y las 3 controladas, padre de 47 años, obrero, escolaridad secundaria, católico, casado, alcoholismo ocasional, aparentemente sana, 1 hermana de 20 años, estudiante, aparentemente sana, resto de familiares directos interrogados y negados. APNP. Originaria y residente de Texcoco, habita en casa de sus padres, cuenta con todos los servicios básicos de urbanización, sin hacinamiento, baño y aseo diario, así como también cambio de ropa tanto interior como exterior, refiere alimentación buena cantidad, alimentada a base de carne roja 1/7, leguminosas 7/7, lácteos 2/7, (refería que ingería leche bronca de vaca hasta hace 2 años que presentaba intolerancia a esta, como gases y diarrea, frutas 7/7, verduras 7/7, enlatados 1/7, embutidos 3/7, refiere esquema de inmunización completo para su edad. APP: producto de la GII, la madre curso con preeclampsia desde los 5 meses de gestación, que posteriormente evoluciona a eclampsia, presentando crisis convulsivas a los 7 meses de gestación evoluciona a estado de coma en UTI, se obtiene producto único vivo por cesárea, estando en fase III de la ventilación, pretermino, no recuerda somatometría ni APGAR, con hospitalización binomio durante un mes, egresando sin complicaciones aparentes, desarrollo psicomotor adecuado, únicamente tartamudeo que mejoro con ejercicios. Quirurgicos, alérgicos y transfusionales negativos. PA: Lo inicia el 18 de Dic. Del 2008, con cefalea frontal, sin irradiaciones, cediendo a la administración de acido acetil salicílico, se agrega fiebre no cuantificada, por lo cual acude a su UMF donde inician tx para IVRA, con aparente mejoría, sin embargo con perdida ponderal de 13 kg en un mes, el 2 de enero del 2009, se repite cuadro de cefalea de las mismas características, agregándose emesis posprandial, de contenido gastroalimentario, asi como dolor epigástrico, y estreñimiento (3 dias) por lo cual acude a su HGZ donde se otorga tx para enfermedad acido péptica, con discreta mejoría, sin embargo persiste sintomatología acudiendo con facultativo que refiere a su HGZ donde es hospitalizada durante 8 dias, manejada con enemas evacuantes, agregándose disuria, polaquiuria y tenesmo vesical. EF: TA 100/60 mmhg FC 80 x min Temp 36 Peso 46 kg, paciente alerta, reactiva, con palidez de piel y tegumentos, cabello fino, quebradizo, ojos con pupilas isocoricas y normoreflexicas, orofaringe normal, cuello sin adenopatías, torax con cs ps con adecuada entrada y salida de aire sin estertores ni sibilancias, precordio rítmico no se auscultan soplos, reforzamiento del 2 do ruido cardíaco, abdomen blando, depresible, no hepato ni esplenomegalia, peristalsis presente, extremidades inferiores sin edema, llenado capilar distal inmediato. ESTUDIOS DE LABORATORIO Y GABINETE 08/02/09 BH leucocitos 2. 62, neutrofilos 0. 91, linfocitos 1. 34, monocitos 0. 20, eosinofilos 0. 13, HB 12. 1 g/dl , plaq. 117 mil, PL 134 000, MCH 30. 7 PG, MCV 89. 6 fl. Glucosa 81 mg/dl, Cr 0. 62, Na 140 mg/dl, K 4. 41, Cl 104.

Introducción Métodos Resultados Conclusión SEQ DE MULTIPLOS AVCS , HIST DE CRISES CONVULSIVAS PREVIAS AOS EPISODIOS DESTA NOITE , APRESENTANDO PIORA GERAL , DESIDRATACAO LEVE SEM PIUORA DA FUNACAO RENAL, RX COM ATELECTASIAS DE BASES - CONSOLIDADCEOS? ? PACIENTE SEM FEBRE MEDIDAAQUI -MAX 37, 1 TEM NIVEL SERICO EM ANDAMNETO DE FENITOINA A SER CHECADO COM FAMILAIR EM EM 24 H RECEBE TTO ATB COM CEFUROXIMA VO -HMG NORMAL É DM SEM IMPORTANTE DESCOPENSACAO.

Introducción Métodos Resultados Conclusión Lenguaje Natural (Texto) … imprescindible para documentación e Structured comunicación Data todos los servicios de salud ciencias biomédicas médico / paciente formación de profesionales

Introducción Métodos Resultados Conclusión e. g. Hospital Universitario Freiburg (p. a. ) Lenguaje Natural (Texto) 280. 000 Resúmenes clínicos 140. 000 Informes de radiología 55. 000 Informes des patología 70. 000 Otros textos 600. 000 documentos en texto libre cada año.

Introducción Métodos Resultados Conclusión Datos estructurados

Introducción Métodos Resultados Conclusión …indispensable para abstracción: § Codificación de enfermedades/procedimientos § Indexación bibliográfica § Gestión hospitalaria § Apoyo a decisión § Epidemiología § Investigación clínica Datos estructurados

Introducción Métodos Resultados Conclusión …requiere sistemas terminológicos § § § CIE-9 MC, CIE-10 Me. SH UMLS LOINC SNOMED CT etc. , etc. Datos estructurados

Introducción Métodos Resultados Conclusión Análisis de datos Datos estructurados Lenguaje Natural (Texto)

Introducción Métodos Resultados Conclusión Captura de datos Datos estructurados Lenguaje Natural (Texto)

Introducción Métodos Resultados Conclusión Captura de datos bajo presión de tiempo (hipotético mas plausible) Calidad motivación buena motivación media motivación baja Volumen

Introducción Métodos Resultados Conclusión how to bridge the gap? Lenguaje Natural (Texto) Datos estructurados

Introducción Métodos Resultados Conclusión Método: Minería de textos Lenguaje Natural (Texto) Datos estructurados

Introducción Métodos Resultados Conclusión Proyecto de Investigación • Datos • Documentos en texto libre (informes, resúmenes) • Sistema terminológico que cubre el espacio conceptual del dominio • Empleando métodos de “minería de texto” para representar el contenido de los documentos • Cómo es el desempeño de la codificación automática comparada con codificación manual?

Introducción Métodos Resultados Conclusión Investigación • Fuente: – resúmenes de alta del departamento de cardiología del Hospital de Clínicas en Porto Alegre, Brasil (Portugués) • Destino • SNOMED Términos Clínicos, 01/2009 • Lenguajes: Inglés, Castellano

Introducción Métodos Resultados Conclusión SNOMED CT SNOMED Términos Clínicos® • Sistema de codificación para todo la historia clínica • Estándar terminológico global • Manutención / desarrollo : IHTSDO (International Health Terminology Standards Development Organisation): Miembros: US, UK, AU, NZ, CA, DK, SE, NL, LV, ES

Introducción Métodos Resultados Conclusión SNOMED CT como vocabulario controlado 311 000 conceptos ~750 000 términos ingleses, ~400 000 castellanos Términos clínicos (inclusive sinónimos e traducciones) conectados conceptos (portadores de significado)

Introducción Métodos Resultados Conclusión SNOMED CT como ontología teoría la cual ofrece formulaciones precisas y matemáticas de las propiedades y relaciones de ciertas entidades taxonomías de clases: C 1 isa C 2 significa x: instance. Of(x, C 1) instance. Of(x, C 2)

Introducción Métodos Resultados Conclusión SNOMED CT : Jerarquías taxonómicas

Introducción Métodos Resultados Conclusión SNOMED CT como ontología Relaciones (Atributos): Restricciones: lógica descriptiva. C 1 – Rel – C 2 significa: x: instance. Of(x, C 1) y: instance. Of(C 2) Rel(x, y) C 1 ⊑ Rel. C 2 Associated morphology Finding site (50 tipos)

Introducción Métodos Resultados Conclusión SNOMED CT como ontología definierte vs. primitive conceptos definidos Konzepte conceptos primitivos ⊑

Introducción Métodos Resultados Conclusión Textos clínicos (resúmenes de alta)

Introducción Métodos Resultados Conclusión Resumen de alta: ejemplo acrónimos abreviaciones # HAS # DM # Miocardiopatia dilatada chagásica (FE 35%) # Ca de prostata - orquiectomia (2004) # Cardiopatia isquêmica - IAM em 2005, com colocação de stent em DA e lesão severa inoperável em CD Pct vem a emergência em estilo telegráfico 20/03 com quadro de dor torácica típica, sem elevação enzimática, com diagnóstico de angina instável e fibrilação atrial não identificada em avaliações prévias. Adicionalmente, apresentava descompensação do diabetes com errores de digitación puntuación sindrome hiperosmlar não cetótica. Recebe tratamento clínico para otimização do quadro e é submetido a novo cateterismo em 28/03, que demonstra CD ocluída no terço proximal, DA com stent rpoximal com lesão de 40% no seu interior e Mg de Cx com lesão de 60 -65%. Recebe alta em bom estado geral, sem dor torácica, anticoagulado, com plano de retorno ambulatorial para equipe de cardiopatia isquêmica e para o ambulatório de anticoagulação.

Introducción Métodos Resultados Conclusión Desafíos lingüísticos del lenguaje médico que importan para PLN: • Derivación, neologismos: nefrótico, antiinflamatórios, parkinsoniana, aidéticos • Composición: musculoesqueletico, esplenomegalia, transfosforribosidasa, polyradiculoneuropathy • Sinonimia: hepático = del hígado, renal = del riñón, cephal. . . = cabeza • Ambigüedad: head = cabeza o jefe

Introducción Métodos Resultados Conclusión Utilización de Herramientas PLN • Detector de sentencias, etiquetador POS: open. NLP, trenado con textos que fueron manualmente anotados • Extensor de acrónimos: emparejamiento con expresiones regulares contra base de acrónimos, desambiguación por contextos locales (coocurrencia de token en ventana de 3 token) • Padron de etiquetas Ocurrencias NADJ 53725 Detector de frases nominales: estimación NADJ 24843 mediante “hit list” de secuencias típicas de NADJ 19922 NADJ PREPDE NADJ 18191 NADJ PREPDE NADJ 13462 SNOMED CT en castellano NADJ PREPDE ART NADJ 10856 NADJ PREPDE ART NADJ 8392 Principal reto: mapear frases nominales entre NADJ PREPDE ART NADJ 6726 Portugués (documentos) e Castellano/ Inglés NADJ PREPDE NADJ 5721 NADJ PREPDE ART NADJ 5424 NADJ PREPDE NADJ 4453 NADJ 4199 NADJ PREPDE NADJ 4018 NADJ PREPDE ART NADJ 3289 NADJ PREPPOR NADJ 2797 etiquetas POS derivado de análisis del • (SNOMED): indexación morfo-semántica

Introducción Métodos Resultados Conclusión Implementación de sistema PLN expansión acrónimos verificar ortografía identificar sentencias identificación de nombres etiquetador tipo de palabra SNOMED - EN SNOMED - SP extracción creación subconjunto representación morfo-semantica SNOMED CT representación morfosemantica candidatos a frases nominales identificación de contexto abstracción morfosemántica

Introducción Métodos Resultados Conclusión Mapeo de terminos médicos • Problemas • diferentes granularidades • uso de preposiciones y conjunciones • delimitación high blood pressure hipertensão arterial hipertensión arterial Bluthochdruck meningoencefalite Entzündung von Gehirn und Hirnhäuten meningocerebral inflammation meningoencefalitis Morpho. Saurus: construye equivalencias semánticas a nivel de fragmentos de palabras

Introducción Métodos Resultados Conclusión Átomos semánticos o „subwords“ • Definición: secuencia de caracteres cuyo significado no se deriva de los significados de su componentes: • morfemas (“neur”, “hepat”, “higad”, …) • secuencias más longas: diáfisis pero no dia + fisis diáfisis = parte de hueso, fisis (gr. physis) = naturaleza neur + itis, mas neurose, no neur + ose neur… = nervio, -itis = inflamación, -ose = enfermedad: Una neuritis es una inflamación de nervio(s), pero neurosis no es una enfermedad de nervio(s)

Introducción Métodos Resultados Conclusión Sistema Morpho. Saurus • Sistema de indexación morfológica-semántica • Traduce texto para un lenguaje de identificadores semánticos • Basado en vocabulario clínico • Idiomas: Inglés, Alemán, Portugués, Castellano, Sueco, Francés • Componentes: Léxico de subwords del dominio de medicina (manutención laboriosa) Tesauro Parser morfo-sintáctico Indexador • Se convirtió en producto (Averbis Gmb. H)

Introducción Métodos Resultados Conclusión Modelo del Léxico Lexeme String of characters Type = {stem, invariant, prefix, infix, suffix, initial prefix, terminal suffix} Language = {English, alemán, Spanish, portugués, French, Swedish} (ex. „anticonceptivo“) [anti, prefijo, castellano] [conceptiv, tema, castellano] [o, terminal sufijo, castellano] (ex. „partnership“) [partner, tema, english] [ship, suffijo, english] (ex. „ship“) [ship, invariant, english]

Introducción Métodos Resultados Conclusión Modelo del Léxico Lexeme MIDs (Ids semanticos) identifican grupos de lexemas sinónimos String of characters Type = {stem, invariant, prefix, infix, suffix, initial prefix, terminal suffix} Language = {English, alemán, Spanish, portugués, French, Swedish} 1. . n 1 MID 42= ([muscle, tema, english], [muscul, tema, english], [myo, prefix, english], [muscul, tema, portugués], [mio, prefix, portugués], [muskel, tema, alemán], [muskul, tema, alemán], [myo, prefix, alemán])

Introducción Métodos Resultados Conclusión Modelo del Léxico has-sense Lexeme String of characters {stem, invariant, prefix, infix, suffix, initial prefix, terminal suffix} (expansión paradigmática) 1 Type = 1. . n 1 2…n MID 1 2…n Language = {English, alemán, Spanish, portugués, French, Swedish} asocia un MID ambiguo con dos o más MID no ambiguos expands-to asocia un MID de sentido no atómico con dos o más MID atómicos (expansión sintagmática)

Introducción Métodos Resultados Conclusión Modelo del Léxico MID 16: ([head, tema, english]) - has-sense MID 12: ([caput, tema, english], [capit, tema, english], [cephal, tema, english], [cefal, tema, portugués], [cabec, tema, portugués]) - has-sense MID 34: ( [chief, tema, english], [chef, tema, portugués]) has-sense associa um MID ambíguo com dois ou mais MID não ambíguos (expansão paradigmática) 1 2…n MID 26: ([myalg, tema, english], [mialg, tema, portugués]) -expands-to MID 42: ([muscle, tema, english], [muscul, tema, portugués]) -expands-to MID 88: ([pain, tema, english], [dor, invariant, portugués], [algia, suffix, portugués]) 1 2…n associa um MID de sentido não atômico com dois ou mais MID atômicos expands-to (expansão sintagmática)

(MIDs)

Introducción Métodos Resultados Conclusión Sistema Morpho. Saurus : resultados experimentales en escenario CLIR Buscas: alemán, Documentos: inglés (colección OHSUMED) Baseline: inglés/ inglés indexación Morpho. Saurus Traducción automática + consulta diccionario Hahn, Schulz et al. , RIAO 2004

Introducción Métodos Resultados Conclusión secuencia de procesamiento de lenguaje natural expansión acrónimos verificar ortografía identificar sentencias identificación de nombres etiquetador tipo de palabra SCT - EN SCT - SP extracción creación subconjunto Heurística de Mapeo MIDrepresentación SNOMED CT MIDrepresentación candidatos a frases nominales identificación de contexto abstracción morfológicasemántica

Introducción Métodos Resultados Conclusión Heurística de mapeo: Ejemplo SNOMED CT Descripción Morpho. Saurus MIDs ENG: Congestive heart failure #abund #cardiac #deficien ENG: Congestive heart disease #abund #cardiac #disorder ENG: Congestive cardiac failure #abund #cardiac #deficien SPA: Insuficiencia cardíaca #insuff #cardiac SPA: Insuficiencia cardíaca congestiva #insuff #cardiac #abund

Introducción Métodos Resultados Conclusión Heurística de mapeo • Para cada “candidato a término” en el documento • decida se existe un término SNOMED correspondiente • caso si, seleccione el mejor término SNOMED • Criterios de preferencia: • Secuencias “típicas” de etiquetas POS, ex: “Infarto agudo do miocárdio” substantivo – adjetivo – DE – substantivo • coincidencia de MIDs • umbral: 60% • En caso de falla: verifique se “candidato a término” corresponde a dos o más conceptos de SNOMED , usando relacionamientos da SNOMED para preselección

Introducción Métodos Resultados Conclusión Estándar oro (kappa = 0. 89)

Introducción Métodos Resultados Conclusión Resultados Numero de identificadores semánticos Total Comparación: difícil! Mapeos correctos 78 % Franz 2000: CIE-9 (German): 50% Ruch ICD-10: 2008 (French): Precision : 50%, Recall 63% Farkas 2008: ICD-9 -CM: F-Value 89% Long 2005: SNOMED CT Diagnoses (English): P and R > 90%

Introducción Métodos Resultados Conclusión Análisis de errores de mapeo Categoría % Descripción Frases nominales identificadas no correspondieron los del estándar oro Extracción de frases nominales 20 Mapeo al léxico de morfemas 24 no mapeo (1/3) mapeo errado (2/3) Contexto 36 60 % negación 40% otros contextos Errores no corregidos por corrección ortográfica 4 Acrónimos no expandidos 1 Otros errores 15

Introducción Métodos Resultados Conclusión Próximo paso: identificar contextos • Problema: no toda ocurrencia de un término en un documento se refiere a una instancia concreta de un concepto terminológico o ontológico • Contextos alternativos: • planos • hipótesis • negación • Ignorar contextos: datos no confiables

Introducción Métodos Resultados Conclusión Contextos: Ejemplo 1 Ontology aortal aneurysm acute abdomen CT abdomen multiple organ failure vascular prosthesis aneurysmectomy systemic infection hemo dialysis vasoacti ve drug death Paciente interna por quadro de abdome agudo. TC de abdome mostrou aneurisma de aorta com evidencia de extravasamento de contraste. Levado a cirurgia de urgência, sendo realizada aneurismectomia com colocação de prótese. No pós-operatório evoluiu com síndrome da resposta inflamatória sistêmica, com disfunção de múltiplos órgãos e instabilidade hemodinâmica. Apesar do manejo com drogas vasoativas, reposição hídrica e hemodiálise veno-venosa crônica, o paciente apresentou piora progressiva, evoluindo para óbito.

Introducción Métodos Resultados Conclusión Contextos: Ejemplo 2 Ontology incisional hernia • instance herniorrhaphy operation room • not instantiated • reference to • instance a suspended • reference to a plan liver transplant operation • reference to a plan new plan • NOT referring • not yet to the same executed patient PACIENTE COM HÉRNIA INCISIONAL INTERNOU PARA REALIZAÇÃO DE HERNIOPLASTIA PORÉM A CIRURGIA FOI SUSPENSA DEVIDO A NECESSIDADE DE SALA COM URGÊNCIA PARA TRANSPLANTE HEPÁTICO. RECEBE ALTA COM ORIENTAÇÕES E CIRURGIA REMARCADA.

Introducción Métodos Resultados Conclusión • Trabajo siguiendo en pie – primeros resultados demuestran la factibilidad del mapeo SNOMED automatizado entre idiomas • Planos futuros – completar la cadena de procesamiento PLN – Evaluar impacto de cada elemento de la cadena – Identificar contextos – Aprovechar la estructura ontológica de SNOMED CT – Publicación en preparación (IEEE Transactions on Information Technology in Biomedicine)

Agradecimientos • German Research Foundation (DFG) • International Bureau of the German Ministry of Research (BMBF-IB) • Brazilian National Research Council (CNPq) • Universidade Tecnológica Federal do Paraná (UTFPR), Curitiba • Hospital de Clínicas de Porto Alegre (HCPA) • Averbis Gmb. H, Freiburg