Registros hospitalares podem prever quem volta em até 30 dias sem ler anotações clínicas

Do código ao conceito: como transformar registros hospitalares em termos médicos reconhecíveis

Os prontuários hospitalares acumulam uma série de códigos curtos, que pouco significam para quem não domina o sistema de codificação. Um código de diagnóstico pode identificar uma doença, enquanto um de procedimento aponta para uma cirurgia. Os resultados laboratoriais e os nomes dos medicamentos acrescentam novas camadas de informação, mas cada uma opera com seu próprio vocabulário. O método substitui esses códigos brutos por conceitos médicos nomeados, que um clínico consegue reconhecer. Para isso, consulta quatro fontes externas de conhecimento, cada uma desenhada para organizar um tipo específico de registro. No caso das doenças, utiliza um mapa conceitual que vincula diagnósticos específicos a categorias mais amplas ou mais restritas. Assim, o código da pneumonia pode estar subordinado à categoria de doença respiratória, ao mesmo tempo em que aponta para uma condição mais precisa. Para os procedimentos, agrupa diversos códigos cirúrgicos em famílias clinicamente significativas. Uma troca de joelho e um procedimento articular relacionado podem compartilhar o mesmo grupo sem perder suas diferenças. Quanto aos medicamentos, reduz nomes comerciais e formulações aos princípios ativos. Dois comprimidos com rótulos distintos podem ser tratados como o mesmo fármaco se contiverem o ingrediente ativo idêntico. Para os exames laboratoriais, atribui cada teste a um sistema orgânico ou processo corporal. Um painel de função renal e um de enzimas hepáticas tornam-se, então, sinais nomeados separados. O resultado é um perfil do paciente composto por nomes explícitos, não por números ocultos dentro de um vetor opaco. Cada característica no modelo pode ser rastreada até um item clínico específico, como uma categoria de doença ou o princípio ativo de um medicamento. Isso torna a representação mais fácil de inspecionar, pois cada entrada não nula tem um rótulo médico associado. O perfil também é esparsos, já que a maioria dos pacientes não possui todos os diagnósticos possíveis, procedimentos, anormalidades laboratoriais ou medicamentos. O conjunto estruturado de características contém 23.430 dimensões nomeadas, e 99,78% das entradas estão vazias. Em contraste, uma alternativa baseada em transformer armazena vetores densos com 2.481 dimensões. Para a coorte completa, o conjunto de conceitos nomeados usa cerca de 24 vezes menos armazenamento. Ele ocupa aproximadamente 176 MB, enquanto a alternativa densa precisa de cerca de 4,2 GB. Essa diferença importa quando um hospital deseja manter muitos registros de pacientes em um modelo funcional. Além disso, significa que o método não depende de notas clínicas em texto livre, que muitas vezes são mais difíceis de obter e auditar. Os conceitos nomeados vêm de recursos como MONDO, Orphanet e RxNorm. Esses recursos fornecem uma linguagem médica compartilhada, permitindo que o mesmo código seja entendido entre diferentes sistemas hospitalares. A abordagem mantém o modelo próximo do significado clínico, porque cada característica ainda nomeia um item real. Um médico ou analista de dados pode perguntar o que uma característica significa e receber uma resposta direta. Essa clareza é o principal ponto de transformar códigos em conceitos médicos nomeados.

Os dados de internação que sustentam a previsão

Um sistema de prontuários hospitalares de um único centro, com dados anonimizados, fornece as internações. O período abrange de 2008 a 2019. Após excluir pacientes menores de 18 anos e óbitos durante a internação, a coorte totaliza 422.622 admissões. Essas admissões pertencem a 176.901 pessoas distintas no banco de dados. O grupo é composto por cerca da metade do sexo feminino e tem idade média de 56,6 anos.

Cada internação inclui campos estruturados, como diagnósticos, procedimentos, exames laboratoriais e medicamentos. Para cada alta hospitalar, a tarefa pergunta se a mesma pessoa retorna em até 30 dias corridos. Um retorno dentro desse período classifica o caso como positivo. A ausência de retorno em trinta dias o torna negativo. Em toda a coorte, cerca de uma admissão em cinco é positiva, com uma taxa de 20,1%.

A taxa base estabelece um patamar baixo para qualquer modelo que simplesmente preveja a não volta. Para manter a avaliação honesta, as divisões dos dados são feitas no nível do paciente, de modo que nenhuma pessoa apareça em mais de um conjunto. O conjunto de treinamento contém 253.254 admissões, o conjunto de validação tem 84.328 e o conjunto de teste, 85.040. Essa organização impede que o histórico posterior de uma pessoa vaze para o treinamento anterior.

Os campos estruturados incluem 25.809 códigos de diagnóstico, 12.575 códigos de procedimento e 9.610 nomes de medicamentos prescritos. Essa variedade oferece ao modelo muitos sinais clínicos diferentes para ponderar. Os dados são anonimizados, portanto nenhum nome de paciente faz parte da tarefa. Eles provêm de um único centro, assim os padrões refletem a experiência de um hospital específico.

O desempenho dos registros estruturados na previsão de retornos

Os registros estruturados alcançam um bom nível de precisão na previsão de readmissões em até 30 dias após a alta. A melhor configuração atinge uma AUROC de 0,743 sob validação cruzada repetida em todo o conjunto de dados. Isso significa que o modelo classifica as readmissões reais acima das não-readmissões muito além do acaso. No conjunto de teste fixo, o LightGBM alcança uma AUROC de 0,7412 e uma acurácia balanceada de 0,6739. A acurácia balanceada é a média das classificações corretas para os pacientes que retornam e aqueles que não retornam. O desequilíbrio importa, pois apenas cerca de um em cada cinco internamentos leva a uma visita de retorno. Um modelo que sempre diz “não” teria uma pontuação alta na acurácia simples, mas perderia a maioria dos retornos. Portanto, os recursos estruturados capturam sinal clínico suficiente para separar os dois grupos. Eles o fazem sem ler notas em texto livre ou construir embeddings densos de pacientes. O resultado é próximo ao de métodos que usam texto clínico, enquanto utiliza muito menos armazenamento e computação. Para toda a coorte, a representação por conceitos nomeados precisa de cerca de 176 MB, em vez de 4,2 GB. Essa diferença torna a avaliação repetida e o implantação muito mais fáceis em um ambiente hospitalar. Os modelos de árvores de gradiente se beneficiam mais desses recursos estruturados. O LightGBM melhora em cerca de 0,028 AUROC em relação ao conjunto de recursos baseado em transformer. A melhoria é estatisticamente clara, com um intervalo de confiança estreito ao seu redor. Combinar os dois tipos de recursos não aumenta consistentemente o desempenho além do que cada fonte individual oferece.

O que sustenta as previsões e em quais grupos elas se mantêm

O sinal mais forte do modelo não veio dos conceitos médicos mais recentes, mas das informações básicas do paciente. Idade e sexo concentraram a maior parte da capacidade preditiva, respondendo por 48,5% do ganho no melhor modelo de árvores. Ao embaralhar esses valores, o desempenho caiu em 0,1117 AUROC, uma queda muito superior à provocada por qualquer característica clínica isolada. Mesmo treinado apenas com dados demográficos, o modelo alcançou um AUROC de 0,6985, valor próximo às linhas de base anteriores que utilizavam somente dados estruturados.

Os conceitos médicos nomeados agregaram valor real, embora modesto. Acima da linha de base demográfica, esses conceitos contribuíram com cerca de quatro pontos de AUROC. Anomalias laboratoriais por sistema orgânico, princípios ativos de medicamentos, códigos de diagnóstico não mapeados e categorias diretas de doenças fizeram cada uma uma pequena diferença. Níveis mais profundos da hierarquia de doenças não ajudaram. As categorias de avô e bisavó acrescentaram praticamente nenhum poder discriminativo.

A magnitude do benefício dependeu fortemente do tipo de classificador utilizado. As árvores com gradiente aumentado aproveitaram melhor os conceitos nomeados, com o LightGBM apresentando uma melhora de cerca de 0,028 AUROC em relação ao conjunto de características baseado em transformadores. Essa margem foi estatisticamente confiável, com intervalo de confiança entre +0,026 e +0,031 e p menor que 0,001. O XGBoost também favoreceu o conjunto de características enriquecido por ontologia, embora sua vantagem fosse menos central para a narrativa geral. Redes neurais e florestas aleatórias não seguiram o mesmo padrão com tanta clareza.

Em grupos amplos de pacientes, as previsões se mantiveram razoavelmente bem. A discriminação permaneceu estável por sexo, tipo de seguro e raça, com valores de AUROC variando de 0,727 para pacientes brancos a 0,779 para aqueles codificados como Outros ou Desconhecidos. Nenhum grupo ficou perto do desempenho ao acaso, e grupos minoritários raciais ou do Medicaid não mostraram uma desvantagem clara no nível do AUROC.

Um caminho claro pelos dados hospitalares

O principal avanço não está no ganho absoluto da previsão, mas na capacidade do modelo de se aproximar dos métodos baseados em texto clínico utilizando apenas registros estruturados. Essa característica altera o que os hospitais conseguem fazer com seus sistemas atuais. Um modelo construído a partir de doenças nomeadas, grupos de procedimentos, anormalidades laboratoriais e princípios ativos ocupa muito menos espaço do que embeddings densos aprendidos por algoritmos. Isso facilita sua execução, inspeção e transferência entre departamentos.

A lição mais ampla é que o conhecimento médico pode servir de ponte entre códigos brutos e previsões úteis. Em vez de permitir que um algoritmo comprima diagnósticos em números opacos, o método mantém cada característica vinculada a algo que um clínico consegue reconhecer. Essa transparência auxilia na depuração, na auditoria e na confiança, pois uma pontuação de risco pode ser rastreada até itens clínicos concretos, não direções ocultas em vetores.

Os limites importam porque as características demográficas carregaram grande parte do peso preditivo, e o ganho restante das categorias de doenças, exames laboratoriais, medicamentos e códigos não mapeados foi modesto. Os dados de um único hospital não podem provar que o mesmo equilíbrio se manterá em outros lugares, e uma pontuação média pode ocultar diferenças sobre quem mais se beneficia. A oportunidade é uma ferramenta mais barata e explicável para identificar pacientes em risco antes que retornem ao pronto-socorro. O obstáculo é transformar esse sinal em ação justa em muitos sistemas de saúde. Um modelo que nomeia suas razões pode se tornar mais confiável do que um que as esconde?