ISEP - DM – Engenharia Biomédica
URI permanente para esta coleção:
Navegar
Percorrer ISEP - DM – Engenharia Biomédica por orientador "Crista, Vítor Rafael Palmeiro"
A mostrar 1 - 1 de 1
Resultados por página
Opções de ordenação
- Inteligência artificial na saúde obstétrica: Transformando o ObsCare com modelos de linguagem de grande escalaPublication . CARVALHO, ÂNGELA PATRÍCIA ARAÚJO; Marreiros, Maria Goreti Carvalho; Crista, Vítor Rafael PalmeiroA literatura científica na área da obstetrícia encontra-se em constante evolução. Consequentemente, os profissionais de saúde enfrentam o desafio de acompanhar e integrar continuamente as evidências científicas mais recentes na prática clínica. Neste contexto, tornase essencial dispor de ferramentas que facilitem o acesso à informação científica, garantindo que esta seja apresentada de forma rápida, fiável e atualizada. Os avanços na área da Inteligência Artificial, em particular os Modelos de Linguagem de Grande Escala (LLMs), demonstram capacidade para melhorar o acesso, a pesquisa e a interpretação da literatura científica. Esta tese explora a aplicação de LLMs na área da obstetrícia através do desenvolvimento de um chatbot destinado a apoiar os médicos no acesso à informação clínica atualizada. O sistema foi concebido para compreender questões formuladas em linguagem natural, pesquisar informação em fontes científicas credíveis e apresentar respostas fundamentadas, facilitando a atualização contínua dos profissionais de saúde. Para além disso, este trabalho avalia diferentes estratégias de extração e segmentação da informação presente em artigos científicos, como forma de otimizar o processo de recuperação de informação e, consequentemente, melhorar a qualidade, a relevância e a fundamentação das respostas geradas. O trabalho inclui o desenvolvimento da arquitetura do sistema, composta por três módulos dedicados à extração e ao processamento dos diferentes tipos de informação presentes em artigos científicos, nomeadamente texto, tabelas e imagens. Esta abordagem permite responder aos desafios associados a cada tipo de conteúdo, recorrendo a técnicas de processamento que se adequam aos diferentes tipos de dados. Para avaliar o desempenho do sistema, foi realizado um estudo comparativo entre diferentes abordagens de recuperação de informação e diferentes LLMs. A avaliação da recuperação de informação clínica recorreu a métricas quantitativas, enquanto a avaliação das respostas geradas recorreu à metodologia LLM-as-a-Judge. Os resultados obtidos sugerem que a solução proposta apresenta um desempenho promissor, alcançando valores de 0,901 para a relevância do contexto recuperado, 0,960 para a fidelidade das respostas à informação recuperada e 0,922 para a relevância das respostas, utilizando o modelo Qwen 3 32B. Desta forma, este trabalho contribui para o desenvolvimento de chatbots para apoiar os profissionais de saúde que trabalham na área da obstetrícia, propondo uma arquitetura para recuperação e consulta de literatura científica que facilita o acesso a informação clínica relevante e atualizada.