Integrating Semantic Web Technologies and Large Language Models: Ontologies and LLMs for Medication and Anaphylaxis Detection (2025)
- Authors:
- Autor USP: MACHADO, MATHEUS MATOS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/D.55.2025.tde-02092025-143642
- Subjects: PROCESSAMENTO DE LINGUAGEM NATURAL; WEB SEMÂNTICA; ANAFILAXIA; REGISTROS MÉDICOS; INFORMÁTICA MÉDICA; MEDICAMENTO
- Keywords: Anaphylaxis; Grandes modelos de linguagem; Health informatics; Large language models; Medication recognition; Natural language processing; Reconhecimento de medicamentos
- Agências de fomento:
- Language: Inglês
- Abstract: Esta dissertação investiga a aplicação de Grandes Modelos de Linguagem (LLMs) e Tecnologias daWeb Semântica na área de informática em saúde, focando em duas tarefas clínicas distintas. A primeira tarefa explora o reconhecimento de medicamentos em prescrições médicas no contexto regulatório brasileiro. Para isso, foi desenvolvida uma abordagem híbrida na qual LLMs, como o GPT-4 Turbo e modelos de código aberto da família Llama, são utilizados para extrair informações de textos não estruturados. A ontologia OntoDrug, criada para unificar as listas regulatórias nacionais (RENAME, CMED, DCB), é empregada como uma base de conhecimento para validar os dados extraídos, um processo de grounding que visa aumentar a consistência dos resultados. A segunda tarefa consiste na avaliação da capacidade de LLMs para a detecção de anafilaxia em prontuários médicos. Nesta frente, modelos como GPT-4 Turbo e Gemini 1.0 Pro foram aplicados diretamente a um corpus de 969 narrativas clínicas em português, que incluía casos confirmados e diagnósticos diferenciais complexos. A análise explorou o impacto de diferentes configurações de prompts, como a inclusão ou omissão de critérios diagnósticos explícitos da Organização Mundial de Alergia (WAO). Os resultados para o reconhecimento de medicamentos indicaram que o sistema obteve alta precisão e recall, enquanto na detecção de anafilaxia, o modelo de maior escala alcançou 100% de sensibilidade, identificando todos os casos positivos. O trabalhoapresenta, portanto, evidências empíricas sobre a aplicação dessas tecnologias como ferramentas de apoio à decisão clínica, com potencial para aprimorar a acurácia no processamento de dados e a segurança do paciente.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 02.07.2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MACHADO, Matheus Matos. Integrating Semantic Web Technologies and Large Language Models: Ontologies and LLMs for Medication and Anaphylaxis Detection. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-02092025-143642/. Acesso em: 07 abr. 2026. -
APA
Machado, M. M. (2025). Integrating Semantic Web Technologies and Large Language Models: Ontologies and LLMs for Medication and Anaphylaxis Detection (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-02092025-143642/ -
NLM
Machado MM. Integrating Semantic Web Technologies and Large Language Models: Ontologies and LLMs for Medication and Anaphylaxis Detection [Internet]. 2025 ;[citado 2026 abr. 07 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-02092025-143642/ -
Vancouver
Machado MM. Integrating Semantic Web Technologies and Large Language Models: Ontologies and LLMs for Medication and Anaphylaxis Detection [Internet]. 2025 ;[citado 2026 abr. 07 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-02092025-143642/ - Desenvolvimento e utilização de sub-ontologias da SNOMED CT para a identificação de anafilaxia em prontuários
- Artificial intelligence for detecting anaphylaxis in electronic medical records
- Ultilização de inteligência artifical para o diagnóstico de anafilaxia
- Semantic web technologies in healthcare: a scoping review
- OntoDrug: enhancing brazilian health system interoperability with a national medication ontology
- Evaluating large language models for anaphylaxis detection in clinical notes
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
