Análise de Características Textuais na Automatização da Regulação Médica
Author:
Nascimento Kauan Vaz do,Moura Raimundo Santos
Abstract
No Brasil, as Operadoras de Planos de Saúde (OPS) privadas enfrentam desafios financeiros, devido à crescente demanda por procedimentos clínicos e fraudes ou abusos na utilização dos serviços. A adoção da regulação médica foi importante, mas a manutenção de equipes especializadas para essa tarefa ainda é dispendiosa, gerando a necessidade de automatizar tal processo. Neste trabalho, investigamos oito modelos de Aprendizado de Máquina (AM) clássicos e profundos com os dados do Corpus MIMIC-CXR traduzidos para o Português. Os resultados mostram 95% de acurácia com uma RNN, além de identificar características importantes, usando o modelo LinearSVC.
Publisher
Sociedade Brasileira de Computação - SBC
Reference9 articles.
1. Goldberger, A., Amaral, L., Glass, L., Hausdorff, J., Ivanov, P., Mark, R., Mietus, J., Moody, G., Peng, C., and Stanley, H. (2000). Physiobank, physiotoolkit, and physionet: Components of a new research resource for complex physiologic signals. Circulation, 101(23). 2. Graham, B., Bond, R., Quinn, M., and Mulvenna, M. (2018). Using data mining to predict hospital admissions from the emergency department. IEEE Access, 6:10458–10469. 3. Johnson, A., Lungren, M., Peng, Y., Lu, Z., Mark, R., Berkowitz, S., and Horng, S. (2019a). MIMIC-CXR-JPG chest radiographs with structured labels (version 2.0.0). PhysioNet. DOI: 10.13026/8360-t248. 4. Johnson, A., Pollard, T., Mark, R., Berkowitz, S., and Horng, S. (2019b). MIMIC-CXR database (version 2.0.0). PhysioNet. DOI: 10.13026/C2JT1Q. 5. Johnson, A. E., Pollard, T. J., Berkowitz, S. J., Greenbaum, N. R., Lungren, M. P., Deng, C.-y., Mark, R. G., and Horng, S. (2019c). MIMIC-CXR, a de-identified publicly available database of chest radiographs with free-text reports. Scientific data, 6(1):317.
|
|