A transformação digital tem reconfigurado os sistemas de saúde, integrando tecnologias digitais nos processos clínicos e administrativos, promovendo melhorias na qualidade dos serviços, na segurança dos doentes e na eficiência das instituições. Além da informatização dos registos clínicos, a digitalização tem impulsionado a adoção de sistemas avançados de apoio à decisão clínica, com base em inteligência artificial, interoperabilidade entre sistemas de informação e análise automatizada de grandes volumes de dados em tempo real.

Início / Publicações / Publicação

Início / Publicações / Publicação

Sistema de apoio à decisão clínica MammoClass

Tipo de publicação: Resumo do Artigo
Título original: Implementação de uma ferramenta de suporte à entrada de texto em Português, escrito e falado, para o sistema de apoio à decisão clínica MammoClass
Data da publicação do artigo: Outubro de 2016
Fonte: Repositório Aberto da Universidade do Porto
Autor: Ricardo Rocha
Orientadora: Inês Dutra

Qual é o objetivo, público-alvo e áreas da saúde digital em que se enquadra?
     O objetivo do estudo é melhorar a ferramenta MammoClass, permitindo que informações de mamografias ditadas ou escritas em português sejam convertidas em termos padronizados, facilitando a análise clínica e a previsão do risco de malignidade de lesões mamárias. O público-alvo inclui profissionais de saúde, em particular radiologistas e médicos de cuidados primários, bem como investigadores na área das tecnologias da saúde e decisores envolvidos na gestão e transformação digital dos serviços clínicos. Este estudo enquadra-se em áreas da saúde digital, com particular relevância para a inteligência artificial aplicada à saúde, interfaces baseadas em voz, interoperabilidade de sistemas de informação clínica e ferramentas de apoio à decisão médica.

Qual é o contexto?
     A transformação digital tem reconfigurado os sistemas de saúde, integrando tecnologias digitais nos processos clínicos e administrativos, promovendo melhorias na qualidade dos serviços, na segurança dos doentes e na eficiência das instituições. Além da informatização dos registos clínicos, a digitalização tem impulsionado a adoção de sistemas avançados de apoio à decisão clínica, com base em inteligência artificial, interoperabilidade entre sistemas de informação e análise automatizada de grandes volumes de dados em tempo real.

     No domínio da imagiologia mamária, estas tecnologias assumem particular relevância, face à complexidade dos dados obtidos por imagem e à exigência de decisões rápidas e precisas, especialmente perante a elevada incidência do cancro da mama. A doença caracteriza-se por uma proliferação celular descontrolada nos tecidos mamários, com elevado potencial de invasão local e de disseminação para outros órgãos. Apesar do aumento do número de rastreios, indicadores como a taxa de mortalidade mantêm-se preocupantes, reforçando a urgência em soluções digitais que promovam uma deteção mais precoce, uma estratificação do risco mais precisa e uma redução do impacto clínico e social da doença.

Quais são as abordagens atuais?
     Atualmente, as abordagens utilizadas no apoio à decisão clínica em imagiologia mamária assentam, em grande parte, na padronização da interpretação dos exames e na utilização de ferramentas computacionais baseadas em dados estruturados. A mamografia (raio-X da mama) permanece como o principal exame imagiológico nos programas de rastreio, desempenhando um papel central na deteção precoce de alterações potencialmente malignas. Para uniformizar a descrição dos resultados e facilitar a comunicação entre profissionais de saúde, foi desenvolvido o sistema Breast Imaging Reporting and Data System (BI-RADS®), que estabelece um léxico padronizado com 43 descritores específicos para a caracterização das estruturas mamárias. Entre eles, incluem-se a presença de margens escuras ou uma forma irregular da lesão. Com base na combinação destes e de outros parâmetros, os radiologistas atribuem uma categoria de 1 a 7, sendo os valores mais elevados indicativos de maior risco de malignidade.

     Estes dados estruturados são fundamentais para alimentar sistemas de apoio à decisão clínica, como o MammoClass, uma plataforma que permite prever a probabilidade de uma alteração mamográfica ser benigna ou maligna com base na análise dos descritores BI-RADS®. No entanto, na prática clínica, a maioria dos relatórios continuam a ser predominantemente redigidos em texto livre, através de ditado ou escrita manual, o que dificulta a conversão eficiente para formatos estruturados e limita a interoperabilidade dos dados.

     Para mitigar esta limitação, algumas instituições recorrem a tecnologias de reconhecimento de voz, que permitem transcrever automaticamente o ditado clínico. No entanto, estas ferramentas, quando aplicadas à língua portuguesa, apresentam taxas de erro elevadas, especialmente em ambientes com ruído de fundo ou perante variações regionais de pronúncia. Adicionalmente, estas soluções são, em geral, concebidas para transcrição integral do discurso, não estando otimizadas para a identificação e extração seletiva de terminologias clínicas relevantes. Como resultado, a qualidade e a fiabilidade dos dados extraídos ficam comprometidos.

Em que consiste a inovação? Como é que é avaliado o impacto deste estudo?
     A inovação deste estudo consistiu no desenvolvimento do MammoClass V2, uma versão expandida e atualizada do sistema original, que incorpora novas funcionalidades para facilitar a introdução e estruturação de dados clínicos em mamografias. Esta versão introduz uma abordagem centrada na extração automática dos descritores BI-RADS® a partir de texto clínico em língua portuguesa, promovendo a integração direta destes dados estruturados no sistema de apoio à decisão clínica. Em vez de transcrever o discurso na íntegra, o sistema foca-se exclusivamente em identificar e extrair os descritores relevantes, ignorando o restante conteúdo.

     Para tal, foi desenvolvida uma interface web multiplataforma (acessível por computador, tablet e smartphone) que permite a introdução de texto clínico — em português — através de três formatos distintos: escrita livre, preenchimento por formulário e ditado com suporte a tecnologias de reconhecimento de voz (Speech-to-Text). A extração dos termos é realizada por um parser linguístico especializado, concebido para reconhecer terminologias clínicas mesmo quando expressas com variações gramaticais ou em diferentes sequências linguísticas, assegurando maior robustez e flexibilidade na interpretação textual.

     Para avaliar este sistema, foi desenhada uma abordagem metodológica que combinou testes quantitativos. A componente quantitativa incluiu dois cenários de entrada de dados: (i) listas de descritores BI-RADS® previamente definidos e ditados individualmente e (ii) relatórios clínicos completos redigidos em linguagem natural, provenientes de mamografias realizadas no Centro Hospitalar São João, no Porto. Paralelamente, foram comparadas duas tecnologias de reconhecimento de voz distintas: a Web Speech API, baseada em serviços de cloud da Google, e o sistema Julius/Coruja, uma ferramenta de código aberto com execução local, garantindo maior controlo e privacidade dos dados processados.

Quais são os principais resultados? Qual é o futuro desta abordagem?
     Os resultados deste estudo demonstraram que a abordagem desenvolvida permitiu a extração automática de descritores BI-RADS® a partir de texto clínico em português, com um desempenho consistente. Nos testes quantitativos o sistema alcançou uma precisão média de 81% e uma sensibilidade superior a 85%, tanto em listas de termos ditados individualmente como em relatórios clínicos completos redigidos em linguagem natural. Estes valores evidenciaram a capacidade da ferramenta para identificar corretamente terminologia clínica relevante e reduzir omissões. Já o parser linguístico revelou-se eficaz na deteção de descritores expressos com variações gramaticais, tempos verbais distintos ou diferentes ordens sintáticas, demonstrando flexibilidade no processamento de linguagem natural. Este desempenho foi particularmente evidente em textos escritos ou ditado por voz, frequentemente encontrados na prática clínica.

     No que respeita ao reconhecimento de voz testados, a Web Speech API apresentou melhor desempenho em termos de fidelidade da transcrição, sobretudo em ambientes silenciosos e com locutores com dicção neutra. Em contrapartida, o sistema Julius/Coruja, embora com uma ligeira redução na taxa de reconhecimento, demonstrou-se vantajoso por operar localmente, oferecendo maior privacidade e independência de conectividade externa — características relevantes para contextos clínicos sensíveis.

     Apesar destes avanços, a solução apresenta oportunidades de desenvolvimento adicional, nomeadamente ao nível da expansão do vocabulário clínico reconhecido, da resiliência a contextos menos controlados e da integração de modelos de linguagem mais avançados. A curto prazo, prevê-se a realização de estudos-piloto em instituições de saúde, com o objetivo de validar o impacto da ferramenta na prática clínica, especialmente na produção e uniformização de relatórios. A médio prazo, antecipa-se a extensão da abordagem a outras áreas da imagiologia e a incorporação de modelos de linguagem baseados em machine learning, com vista à melhoria da sensibilidade sem comprometer a especificidade clínica.

TEF-HEALTH Logo

SPMS integra a iniciativa TEF-Health

A SPMS participa na iniciativa TEF-Health como parceira de um consórcio composto por 51 entidades de 9 países da União Europeia. Esta ação é cofinanciada…

Ler mais

tem uma ideia inovadora
na área da saúde?

Partilhe-a connosco e veja-a ganhar vida.
Ajudamos a dar vida aos seus projetos!

Newsletter

Receba as novidades do
Portal InovarSaúde

República Portuguesa logo
logotipo SNS
SPMS logotipo

Acompanhe-nos

YouTube
LinkedIn

Cofinanciado por :

PRR Logotipo
república Portuguesa logo
União Europeia Logo

Newsletter

Receba as novidades do
Portal InovarSaúde

República Portuguesa logo
SNS Logo
SPMS Logo

Acompanhe-nos

Cofinanciado por :

PRR Logotipo
República Portuguesa logo
União Europeia Logo

Início / Publicações / Publicação

Sistema de apoio à decisão clínica MammoClass

Tipo de publicação: Resumo do Artigo
Título original: Implementação de uma ferramenta de suporte à entrada de texto em Português, escrito e falado, para o sistema de apoio à decisão clínica MammoClass
Data da publicação do artigo: Outubro de 2016
Fonte: Repositório Aberto da Universidade do Porto
Autor: Ricardo Rocha
Orientadora: Inês Dutra

Qual é o objetivo, público-alvo e áreas da saúde digital em que se enquadra?
     O objetivo do estudo é melhorar a ferramenta MammoClass, permitindo que informações de mamografias ditadas ou escritas em português sejam convertidas em termos padronizados, facilitando a análise clínica e a previsão do risco de malignidade de lesões mamárias. O público-alvo inclui profissionais de saúde, em particular radiologistas e médicos de cuidados primários, bem como investigadores na área das tecnologias da saúde e decisores envolvidos na gestão e transformação digital dos serviços clínicos. Este estudo enquadra-se em áreas da saúde digital, com particular relevância para a inteligência artificial aplicada à saúde, interfaces baseadas em voz, interoperabilidade de sistemas de informação clínica e ferramentas de apoio à decisão médica.

Qual é o contexto?
     A transformação digital tem reconfigurado os sistemas de saúde, integrando tecnologias digitais nos processos clínicos e administrativos, promovendo melhorias na qualidade dos serviços, na segurança dos doentes e na eficiência das instituições. Além da informatização dos registos clínicos, a digitalização tem impulsionado a adoção de sistemas avançados de apoio à decisão clínica, com base em inteligência artificial, interoperabilidade entre sistemas de informação e análise automatizada de grandes volumes de dados em tempo real.

     No domínio da imagiologia mamária, estas tecnologias assumem particular relevância, face à complexidade dos dados obtidos por imagem e à exigência de decisões rápidas e precisas, especialmente perante a elevada incidência do cancro da mama. A doença caracteriza-se por uma proliferação celular descontrolada nos tecidos mamários, com elevado potencial de invasão local e de disseminação para outros órgãos. Apesar do aumento do número de rastreios, indicadores como a taxa de mortalidade mantêm-se preocupantes, reforçando a urgência em soluções digitais que promovam uma deteção mais precoce, uma estratificação do risco mais precisa e uma redução do impacto clínico e social da doença.

Quais são as abordagens atuais?
     Atualmente, as abordagens utilizadas no apoio à decisão clínica em imagiologia mamária assentam, em grande parte, na padronização da interpretação dos exames e na utilização de ferramentas computacionais baseadas em dados estruturados. A mamografia (raio-X da mama) permanece como o principal exame imagiológico nos programas de rastreio, desempenhando um papel central na deteção precoce de alterações potencialmente malignas. Para uniformizar a descrição dos resultados e facilitar a comunicação entre profissionais de saúde, foi desenvolvido o sistema Breast Imaging Reporting and Data System (BI-RADS®), que estabelece um léxico padronizado com 43 descritores específicos para a caracterização das estruturas mamárias. Entre eles, incluem-se a presença de margens escuras ou uma forma irregular da lesão. Com base na combinação destes e de outros parâmetros, os radiologistas atribuem uma categoria de 1 a 7, sendo os valores mais elevados indicativos de maior risco de malignidade.

     Estes dados estruturados são fundamentais para alimentar sistemas de apoio à decisão clínica, como o MammoClass, uma plataforma que permite prever a probabilidade de uma alteração mamográfica ser benigna ou maligna com base na análise dos descritores BI-RADS®. No entanto, na prática clínica, a maioria dos relatórios continuam a ser predominantemente redigidos em texto livre, através de ditado ou escrita manual, o que dificulta a conversão eficiente para formatos estruturados e limita a interoperabilidade dos dados.

     Para mitigar esta limitação, algumas instituições recorrem a tecnologias de reconhecimento de voz, que permitem transcrever automaticamente o ditado clínico. No entanto, estas ferramentas, quando aplicadas à língua portuguesa, apresentam taxas de erro elevadas, especialmente em ambientes com ruído de fundo ou perante variações regionais de pronúncia. Adicionalmente, estas soluções são, em geral, concebidas para transcrição integral do discurso, não estando otimizadas para a identificação e extração seletiva de terminologias clínicas relevantes. Como resultado, a qualidade e a fiabilidade dos dados extraídos ficam comprometidos.

Em que consiste a inovação? Como é que é avaliado o impacto deste estudo?
     A inovação deste estudo consistiu no desenvolvimento do MammoClass V2, uma versão expandida e atualizada do sistema original, que incorpora novas funcionalidades para facilitar a introdução e estruturação de dados clínicos em mamografias. Esta versão introduz uma abordagem centrada na extração automática dos descritores BI-RADS® a partir de texto clínico em língua portuguesa, promovendo a integração direta destes dados estruturados no sistema de apoio à decisão clínica. Em vez de transcrever o discurso na íntegra, o sistema foca-se exclusivamente em identificar e extrair os descritores relevantes, ignorando o restante conteúdo.

     Para tal, foi desenvolvida uma interface web multiplataforma (acessível por computador, tablet e smartphone) que permite a introdução de texto clínico — em português — através de três formatos distintos: escrita livre, preenchimento por formulário e ditado com suporte a tecnologias de reconhecimento de voz (Speech-to-Text). A extração dos termos é realizada por um parser linguístico especializado, concebido para reconhecer terminologias clínicas mesmo quando expressas com variações gramaticais ou em diferentes sequências linguísticas, assegurando maior robustez e flexibilidade na interpretação textual.

     Para avaliar este sistema, foi desenhada uma abordagem metodológica que combinou testes quantitativos. A componente quantitativa incluiu dois cenários de entrada de dados: (i) listas de descritores BI-RADS® previamente definidos e ditados individualmente e (ii) relatórios clínicos completos redigidos em linguagem natural, provenientes de mamografias realizadas no Centro Hospitalar São João, no Porto. Paralelamente, foram comparadas duas tecnologias de reconhecimento de voz distintas: a Web Speech API, baseada em serviços de cloud da Google, e o sistema Julius/Coruja, uma ferramenta de código aberto com execução local, garantindo maior controlo e privacidade dos dados processados.

Quais são os principais resultados? Qual é o futuro desta abordagem?
     Os resultados deste estudo demonstraram que a abordagem desenvolvida permitiu a extração automática de descritores BI-RADS® a partir de texto clínico em português, com um desempenho consistente. Nos testes quantitativos o sistema alcançou uma precisão média de 81% e uma sensibilidade superior a 85%, tanto em listas de termos ditados individualmente como em relatórios clínicos completos redigidos em linguagem natural. Estes valores evidenciaram a capacidade da ferramenta para identificar corretamente terminologia clínica relevante e reduzir omissões. Já o parser linguístico revelou-se eficaz na deteção de descritores expressos com variações gramaticais, tempos verbais distintos ou diferentes ordens sintáticas, demonstrando flexibilidade no processamento de linguagem natural. Este desempenho foi particularmente evidente em textos escritos ou ditado por voz, frequentemente encontrados na prática clínica.

     No que respeita ao reconhecimento de voz testados, a Web Speech API apresentou melhor desempenho em termos de fidelidade da transcrição, sobretudo em ambientes silenciosos e com locutores com dicção neutra. Em contrapartida, o sistema Julius/Coruja, embora com uma ligeira redução na taxa de reconhecimento, demonstrou-se vantajoso por operar localmente, oferecendo maior privacidade e independência de conectividade externa — características relevantes para contextos clínicos sensíveis.

     Apesar destes avanços, a solução apresenta oportunidades de desenvolvimento adicional, nomeadamente ao nível da expansão do vocabulário clínico reconhecido, da resiliência a contextos menos controlados e da integração de modelos de linguagem mais avançados. A curto prazo, prevê-se a realização de estudos-piloto em instituições de saúde, com o objetivo de validar o impacto da ferramenta na prática clínica, especialmente na produção e uniformização de relatórios. A médio prazo, antecipa-se a extensão da abordagem a outras áreas da imagiologia e a incorporação de modelos de linguagem baseados em machine learning, com vista à melhoria da sensibilidade sem comprometer a especificidade clínica.

Perturbação do sono

Uma intervenção digital para a Insónia em Oncologia

A insónia é uma perturbação do sono caracterizada por dificuldades persistentes em iniciar o sono, mantê-lo durante a noite ou alcançar um sono de qualidade. Estas dificuldades surgem mesmo na presença de condições adequadas para…

Ler mais
Sistema robótico autónomo INSIDE

Sistema robótico autónomo para a terapia do autismo

O transtorno do espetro do autismo é uma condição do neurodesenvolvimento com repercussões clínicas, sociais e económicas significativas ao longo da vida. Segundo a Organização Mundial de Saúde, estima-se que afete aproximadamente 1 em cada…

Ler mais
troca de informações de saúde e interoperabilidade

A nova era da interoperabilidade em sistemas de saúde

A crescente utilização de registos eletrónicos de saúde, sistemas de diagnóstico digital e tecnologias de monitorização remota tem levado a um aumento expressivo no volume e na complexidade dos dados em saúde. Este aumento intensifica…

Ler mais
robótica colaborativa

Robótica colaborativa melhora as condições de trabalho

Os trabalhadores enfrentam desafios crescentes no ambiente industrial. Entre os mais críticos estão a fadiga e as posturas inadequadas, frequentemente associadas a tarefas repetitivas e a condições de trabalho que carecem de adequação ergonómica. Estes…

Ler mais
Benefícios da Eletrônica Médica

Deteção da ansiedade e de ataques de pânico em tempo real

O crescente número de pessoas com transtornos de ansiedade, juntamente com o aumento da conscientização sobre a saúde mental, impulsiona a necessidade de novas ferramentas tecnológicas que forneçam a monitorização remota e contínua de transtornos…

Ler mais
Personalização e tecnologia na gestão da Diabetes

Personalização e tecnologia na gestão da diabetes

A crescente prevalência de doenças crónicas, particularmente DM, está a sobrecarregar os sistemas de saúde globais e a aumentar os custos dos cuidados de saúde devido à complexidade dos cuidados e à fraca integração, resultando…

Ler mais
TEF-HEALTH Logo

SPMS integra a iniciativa TEF-Health

A SPMS participa na iniciativa TEF-Health como parceira de um consórcio composto por 51 entidades de 9 países da União Europeia. Esta ação é cofinanciada pela Comissão Europeia e tem uma duração de cinco anos….

Ler mais
Global Digital Health Partnership Logo

SPMS representa Portugal como vice-presidente da GDHP

A GDHP é uma organização intergovernamental da área da saúde digital que facilita a cooperação e colaboração entre representantes governamentais e a Organização Mundial da Saúde (OMS), cujo propósito é fomentar o desenvolvimento de políticas…

Ler mais
HealthData@PT Logo

HealthData@PT: Nova iniciativa da SPMS para dados de saúde

A ação HealthData@PT é lançada no contexto da implementação do Espaço Europeu de Dados de Saúde, sendo uma iniciativa aprovada pela Comissão Europeia no âmbito do programa EU4Health 2021-2027. Esta iniciativa contribui para a transformação…

Ler mais

tem uma ideia inovadora
na área da saúde?

Partilhe-a connosco e veja-a ganhar vida.
Ajudamos a dar vida aos seus projetos!

Newsletter

Receba as novidades do
Portal InovarSaúde

República Portuguesa logo
SNS Logo
SPMS Logo

Acompanhe-nos

YouTube
LinkedIn

Cofinanciado por :

PRR Logotipo
República Portuguesa logo
União Europeia Logo
Scroll to Top