Semantic Interoperability and Transformation for HEAlthcare dAta eXchange — transformação semântica e sumarização automática de relatórios radiológicos do PACS hospitalar ao padrão FHIR R4, com avaliação multilíngue por modelos de linguagem.
Tudo começou com um problema real de interoperabilidade. A empresa BioGHP disponibilizou 10.001 relatórios radiológicos anonimizados provenientes do CHULN (Centro Hospitalar Universitário de Lisboa Norte) — dados não estruturados em JSON aninhado com narrativas em RTF. A questão central: como transformar estes dados clínicos no padrão universal HL7 FHIR R4, de forma automática, validada e escalável? E como gerar resumos clínicos automáticos de qualidade? O trabalho foi desenvolvido no âmbito da bolsa BLOCKCHAIN.PT (WP2 – ESTG-Leiria), mas o foco científico é a interoperabilidade semântica e o processamento de linguagem clínica em português.
Uma arquitetura multi-agente em Python que resolve três desafios simultâneos: JSON profundamente aninhado, narrativas clínicas em RTF e validação FHIR em escala.
MÓDULO 1 — TRANSFORMAÇÃO PACS → FHIR R4
MÓDULO 2 — SUMARIZAÇÃO CLÍNICA COM LLMs
3 artigos científicos e 1 capítulo de livro produzidos no âmbito deste projeto de investigação.
O trabalho de investigação foi integrado em três projetos de licenciatura co-orientados, permitindo validar o sistema em contexto real de desenvolvimento de software.
Exemplos reais do output do pipeline e comparação dos modelos de sumarização.
{ "resourceType": "Bundle", "type": "transaction", "id": "102021010247-bundle", "entry": [ { "resource": { "resourceType": "Patient", "id": "78673b94-f088-4d4a-96b1-80c383887445", "identifier": [{ "system": "urn:chuln:patient-id", "value": "102021010247" }], "birthDate": "1958-03-12" } }, { "resource": { "resourceType": "DiagnosticReport", "status": "final", "code": { "coding": [{ "system": "http://loinc.org", "code": "24627-2", "display": "CT Chest" }] }, "conclusion": "Parênquima pulmonar sem alterações focais...", "presentedForm": [{ "contentType": "text/plain", "data": "<base64 do relatório RTF limpo>" }] } }, { "resource": { "resourceType": "ImagingStudy", "status": "available", "modality": { "system": "http://dicom.nema.org/resources/ontology/DCM", "code": "CT" }, "identifier": [{ "system": "urn:chuln:accession", "value": "ACC-2021-010247" }] } } ] }
Bundle FHIR R4 real (anonimizado). Cada relatório gera Patient + Encounter + ImagingStudy + DiagnosticReport + Organization CHULN. IDs determinísticos UUID5 para reruns idempotentes.
| Modelo | ROUGE-1 F | ROUGE-2 F | BERTScore F | Fidelidade | Observações |
|---|---|---|---|---|---|
| PTT5-FT v2 MELHOR | 0.493 | 0.470 | 0.805 | 0.592 | Fine-tuned em PT, melhor equilíbrio qualidade/fidelidade |
| Extractive-PT | 0.349 | 0.301 | 0.699 | 0.538 | Extração de frases-chave, sem geração de texto |
| mT5-XLSum FRACO | 0.118 | 0.043 | 0.701 | 0.232 | Alucinações graves no domínio clínico PT |
| Gemma 3.1 (local) | 0.341 | 0.288 | 0.762 | 0.571 | LLM local, privacidade garantida, sem cloud |
Avaliado sobre 616 relatórios de teste com referências manuais criadas por 2 radiologistas do CHULN. Dataset total: 9.921 relatórios (train=7.937 · val=992 · test=992).
RELATÓRIO ORIGINAL (excerto)
"Estudo de TC do tórax sem contraste endovenoso. Parênquima pulmonar sem alterações focais de consolidação ou derrame pleural. Mediastino centrado sem adenopatias de dimensão significativa. Estruturas ósseas sem alterações líticas ou blásticas evidentes. Conclusão: Estudo de TC do tórax sem alterações significativas..."
RESUMO — PTT5-FT v2
"TC tórax sem contraste: parênquima sem consolidação ou derrame pleural; mediastino centrado sem adenopatias; estruturas ósseas normais. Sem alterações significativas."
Projeto de investigação em interoperabilidade semântica clínica e NLP, desenvolvido no Departamento de Engenharia Informática da ESTG-IPLeiria. Financiado pela bolsa BLOCKCHAIN.PT WP2 (PRR / Next Generation EU).