Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil

Detalhes bibliográficos
Autor(a) principal: Garcia, Gustavo Cunha
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/42718
Resumo: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
id UNB_28f98f0e9b2a9eec5e35dc6ab46b41bf
oai_identifier_str oai:repositorio.unb.br:10482/42718
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no BrasilReconhecimento de entidade nomeadaDispositivos médicosEventos adversosQueixas técnicasDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.Os dispositivos médicos estão cada dia mais presentes no cotidiano das pessoas. Por se tratar de produtos que lidam diretamente com a saúde das pessoas, uma falha pode gerar graves consequências à saúde. Estudos pré mercado possuem uma série de limitações, o que torna o monitoramento pós mercado essencial, pois uma ação tempestiva pode evitar ainda maiores danos à população. Nesse sentido, o presente estudo tem como objetivo desenvolver uma solução baseada em aprendizado de máquina, utilizando uma técnica de mineração de texto conhecida como Reconhecimento de Entidade Nomeadas - NER. Após uma série de experimentos, o modelo BiLSTM + CRF, com a utilização de word embedding pré-treinadas e uma base de dados anotada com o padrão BIO alcançaram uma macro F1-score de 87,75%. Após a aplicação do modelo a toda base de dados, o modelo demonstrou boa capacidade em encontrar novas entidades na base de teste, que não estavam presentes na base de treino. As informações geradas pelo modelo permitiram a obtenção de informações importantes para a tomada de decisão da Agência, favorecendo uma intervenção tempestiva, o que evitaria maiores danos à saúde da população que seria exposta aos dispositivos médicos.Medical devices are increasingly present in people's daily lives. They are products that deal directly with people's health, and a failure can have serious health consequences. Pre-market studies have a number of limitations, which makes post-market surveillance essential, because timely action can prevent even greater damage to hole population. In this sense, this study aims to develop a solution based on machine learning, using a text mining approach known as Named Entities Recognition - NER. After a series of experiments, the BiLSTM + CRF model, using pretrained word embedding and an annotated database with the BIO pattern, reached a macro F1- score of 87,75%. After applying the model to the entire database, the model demonstrated good ability to find new entities in the test database that were not present in the training database. The information generated by the model allowed obtaining important information for the Agency's decision-making, favoring a timely intervention, which would avoid further damage to the health of the population that would be exposed to medical devices.Ladeira, MarceloGarcia, Gustavo Cunha2022-01-11T20:13:51Z2022-01-11T20:13:51Z2022-01-112021-08-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfGARCIA, Gustavo Cunha. Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil. 2021. 158 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2021.https://repositorio.unb.br/handle/10482/42718A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-07-14T18:59:40Zoai:repositorio.unb.br:10482/42718Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-07-14T18:59:40Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
title Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
spellingShingle Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
Garcia, Gustavo Cunha
Reconhecimento de entidade nomeada
Dispositivos médicos
Eventos adversos
Queixas técnicas
title_short Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
title_full Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
title_fullStr Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
title_full_unstemmed Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
title_sort Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil
author Garcia, Gustavo Cunha
author_facet Garcia, Gustavo Cunha
author_role author
dc.contributor.none.fl_str_mv Ladeira, Marcelo
dc.contributor.author.fl_str_mv Garcia, Gustavo Cunha
dc.subject.por.fl_str_mv Reconhecimento de entidade nomeada
Dispositivos médicos
Eventos adversos
Queixas técnicas
topic Reconhecimento de entidade nomeada
Dispositivos médicos
Eventos adversos
Queixas técnicas
description Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-08-31
2022-01-11T20:13:51Z
2022-01-11T20:13:51Z
2022-01-11
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.uri.fl_str_mv GARCIA, Gustavo Cunha. Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil. 2021. 158 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2021.
https://repositorio.unb.br/handle/10482/42718
identifier_str_mv GARCIA, Gustavo Cunha. Reconhecimento de Entidades Nomeadas na base de notificações de eventos adversos e queixas técnicas de dispositivos médicos no Brasil. 2021. 158 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2021.
url https://repositorio.unb.br/handle/10482/42718
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1810580741038276608

Registros relacionados