A documentação de procedimentos de angioplastia coronária contém informações críticas em formato de texto livre, dificultando análises sistemáticas. O objetivo deste estudo foi desenvolver e validar um modelo de processamento de linguagem natural (PLN) para extrair automaticamente informações relevantes de laudos em português.
Desenvolvemos um sistema baseado na biblioteca spaCy para identificação de entidades nomeadas em laudos intervencionistas. Uma base de 1.220 laudos foi anotada, identificando oito categorias: tipo de stent, medidas, localização coronária, segmento (terço), detalhes de pré-dilatação, pós-dilatação, cateter-balão e fluxo TIMI. Os dados foram divididos em conjunto de treinamento (976 laudos, 80%) e validação (244 laudos, 20%). O modelo foi configurado com arquitetura customizada para reconhecimento de texto médico e treinado com otimização de hiperparâmetros.
O desempenho do modelo nos dados de validação apresentou excelentes métricas para a maioria das entidades. Informações sobre medidas e fluxo TIMI atingiram precisão e recall perfeitos (F1=1,00). O reconhecimento de stents e cateteres-balão obteve F1=0,99 e F1=1,00, respectivamente. A extração de procedimentos de dilatação alcançou F1=0,97 para pré-dilatação e F1=0,94 para pós-dilatação. Desafios foram encontrados na identificação da anatomia coronária, com índices para terço coronário (F1=0,89) e vaso específico (F1=0,88), refletindo maior variabilidade descritiva nestas estruturas. O sistema demonstrou capacidade de extrair, relacionar e estruturar informações críticas, incluindo a associação entre dispositivos, dimensões e localização anatômica.
O modelo desenvolvido representa uma ferramenta eficaz para transformar dados não estruturados de laudos em informações clinicamente acionáveis. A implementação permite criação automatizada de bancos estruturados a partir da documentação existente, com potencial para aprimorar análises retrospectivas, estudos de efetividade, avaliação de resultados e monitoramento de qualidade. Antes da implementação rotineira, recomenda-se validação adicional em ambiente multicêntrico e refinamento da identificação de elementos anatômicos. Esta tecnologia oferece solução escalável para extração sistemática de dados intervencionistas, contribuindo para avanços em pesquisa cardiovascular e qualidade assistencial.
