Classificação de texto associado à resistência antimicrobiana com redes neurais recorrentes bidirecionais

Abstract

O surgimento acelerado de microrganismos resistentes coloca em risco a eficácia dos agentes antimicrobianos disponíveis. A falta de informações sobre a resistência que os microorganismos adquirem dificulta o combate aos responsáveis pelas infecções e, consequentemente, a descoberta de possíveis curas. Em busca de fortalecer a base de conhecimento e evidências relacionadas à resistência antimicrobiana, por meio da pesquisa, um método para a classificação de sentenças oriundas de artigos científicos que remetem a termos biológicos de microrganismos ou antimicrobianos foi proposto. Muitos estudos aplicados à aprendizagem de máquina no contexto biológico estão sendo realizados. Em contrapartida, há poucos trabalhos, deste porte, associados à resistência antimicrobiana por meio de textos. Nesse sentido, é apresentado um método de classificação de sentenças de resistência antimicrobiana, com uso de modelos de redes neurais recorrentes bidirecionais, gerados a partir de artigos científicos oriundos de repositórios relacionados às ciências da saúde. Testes e análises do algoritmo construído foram realizadas para encontrar o melhor modelo. A construção de uma ferramenta web e integrada a um banco de dados para coleta de novas sentenças foi realizada. A aprendizagem por contexto foi evidenciada por meio de validações com sentenças que eram desconhecidas pela rede.