PROCESSAMENTO DE LINGUAGEM NATURAL APOIANDO A MEDICINA BASEADA EM EVIDÊNCIAS

Introdução: Com o avanço da medicina após a pandemia de COVID-19, há um grande aumento na produção de informações, como artigos científicos e sistemas de apoio à decisão clínica, incluindo o uso de inteligência artificial. Diante desse cenário, estudantes e profissionais da saúde enfrentam dificuldades para acessar e aplicar conteúdos de qualidade de forma eficiente, o que é essencial para a prática da Medicina Baseada em Evidências (MBE). A MBE envolve a integração de evidências científicas com a experiência clínica e as preferências do paciente. Para facilitar esse processo, foi desenvolvido o eHelpmed, uma ferramenta que auxilia na formulação de perguntas clínicas usando o acrônimo PICO (Paciente, Intervenção, Comparação e Desfecho) e na recuperação de evidências da base de dados PubMed. Para organizar melhor essas fontes, foi proposto um modelo hierárquico conhecido como “Pirâmide 5.0”, que classifica os níveis de evidência desde estudos clínicos até sistemas eletrônicos de apoio à decisão. Ainda assim, a evidência mais alta na hierarquia nem sempre é a mais adequada ao contexto clínico. Objetivos: Desenvolver um framework para apoiar a identificação de evidências segundo a medicina baseada em evidências, incorporando o modelo da Pirâmide 5.0 e técnicas de processamento de linguagem natural o sistema eHelpmed, para tornar a busca por evidências médicas mais rápida, personalizada e eficaz. Materiais e método: Trata-se de uma pesquisa aplicada, sendo descritiva e visando uma produção tecnológica, pois foi aplicado a um programa de computador. A plataforma eHelpmed usa narrativas clínicas baseadas em prontuários eletrônicos ou perguntas clínicas, tendo os conceitos e vocabulário traduzidos automaticamente para a linguagem MeSH, possibilitando a formação de estratégias de busca por meio do acrônimo PICO na recuperação de evidências. Para realizar a parte da divisão dos resultados de busca no formato da Pirâmide de Haynes foi utilizada a própria API do Pubmed, por meio de funções como filtragem por tipo de publicação para emular a pirâmide. O estudo foi dividido em cinco etapas: Revisão bibliográfica; avaliação dos sistemas que já existem e suas funções; levantamento dos requisitos, desenvolvimento do sistema e testes. Resultados: Desenvolvimento de uma atualização do eHelpmed, que além de manter as funções de elaborar estratégias de busca automáticas por meio do acrônimo PICO em conjunto com mapeamento de vocabulário controlado MeSH, permite agora a divisão dos resultados da busca separados em camadas de evidências através do modelo conceitual da Pirâmide de Haynes. Considerações finais: A classificação dos artigos baseada na Pirâmide de Haynes foi incorporada ao eHelpmed, permitindo que profissionais, pesquisadores e acadêmicos da área da saúde localizem as evidências científicas de forma rápida e precisa, direcionada ao tipo de evidência que necessita e de forma gratuita. Essa versão do eHelpmed proporciona praticidade e agilidade na escolha dos artigos, apoiando o usuário a aplicar a Medicina Baseada em Evidências.

Palavras-chave: Medicina Baseada em Evidências; Estratégias de busca; Processamento de Linguagem Natural; Recuperação da informação; Informática em saúde pública.