Transformação semântica e sumarização automática de relatórios radiológicos PACS para FHIR R4, com avaliação multilíngue por modelos de linguagem de grande escala.
🌐 Ver página do projeto · 📄 Artigo publicado (ScienceDirect)
SITHEAX é uma plataforma de investigação focada em interoperabilidade semântica clínica e processamento de linguagem natural aplicado à radiologia. O trabalho parte de um conjunto real de 10.001 relatórios de Tomografia Computadorizada anonimizados provenientes do CHULN (Centro Hospitalar Universitário de Lisboa Norte), abordando dois problemas concretos:
- Como transformar dados clínicos não estruturados — exportados em JSON aninhado com narrativas em RTF — no padrão universal HL7 FHIR R4, de forma automática, validada e escalável?
- Como gerar resumos clínicos automáticos de qualidade a partir desses relatórios, com avaliação rigorosa em português e inglês?
O resultado são dois módulos integrados:
- Pipeline PACS → FHIR R4 — transformação multi-agente com 100% de conformidade HAPI-FHIR, 1.173 ficheiros/segundo, zero erros em 10.001 relatórios de TC.
- Sumarização clínica com LLMs — avaliação multidimensional (ROUGE, BERTScore, fidelidade clínica, human judgement) de modelos PTT5, mT5, Extractive e Gemma 3.1 em português e inglês.
Embora o trabalho tenha sido desenvolvido no contexto da bolsa BLOCKCHAIN.PT (WP2 – Saúde e Bem-estar), o foco científico é a interoperabilidade semântica e a transformação de dados clínicos para FHIR, sendo esse o contributo principal para a comunidade.
| Projeto | Descrição | Alunos | Repo |
|---|---|---|---|
| Repositório principal (SITHEAX) | GitHub Pages — documentação, resultados, demos | — | rsmal-ulo/SITHEAX |
| Pipeline FHIR | Transformação PACS→FHIR R4 multi-agente em Python | — | rsmal-ulo/fhir-transformer |
| API FHIR | API Flask original de conversão PACS→FHIR (v1) | — | rsmal-ulo/APIFHIR |
| Sumarização | Sumarização clínica com LLMs — PTT5, mT5, Gemma, avaliação multilíngue | — | rsmal-ulo/clinical-summarization |
| Projeto EI 2024/2025 | Dashboard web com integração FHIR e resumo clínico (Flask + MongoDB) | Joaquim Pereira · Pedro Silva | rsmal-ipl/Dashboard-Medico-Web-com-Integracao-de-Sistema-de-Resumo-Clinico |
| Projeto EI 2025/2026 — 51 | Dashboard médico web com resumo clínico integrado baseado em FHIR R4 | Bernardo Frija · Rodrigo Carriça | (em publicação) |
| Projeto EI 2025/2026 — 52 | Repositório HAPI-FHIR + pipeline de ingestão (Docker + PostgreSQL) | Rúben Ribeiro · David Belykh | (em publicação) |
| Métrica | Valor |
|---|---|
| Registos processados | 10.001 |
| Conformidade HAPI-FHIR R4 | 100% |
| Throughput | 1.173 ficheiros/segundo |
| Tempo total (10.001 relatórios) | 8,5 segundos |
| Latência por Bundle | ~0,41 ms |
| Erros de validação | 0 |
| Modelo | ROUGE-1 F | ROUGE-2 F | BERTScore F | Fidelidade |
|---|---|---|---|---|
| PTT5-FT v2 ⭐ | 0.493 | 0.470 | 0.805 | 0.592 |
| Extractive-PT | 0.349 | 0.301 | 0.699 | 0.538 |
| Gemma 3.1 (local) | 0.341 | 0.288 | 0.762 | 0.571 |
| mT5-XLSum | 0.118 | 0.043 | 0.701 | 0.232 |
Avaliado sobre 616 relatórios de teste com golden collection criada por 2 radiologistas do CHULN.
PACS JSON (RTF aninhado)
│
▼
┌─────────────────┐
│ RTF Parser │ Remove escapes hex, control words, extrai texto limpo
│ Agent │
└────────┬────────┘
│
▼
┌─────────────────┐
│ Mapper Agents │ Patient · Encounter · ImagingStudy · DiagnosticReport
│ (LOINC codes) │ IDs determinísticos UUID5 para reruns idempotentes
└────────┬────────┘
│
▼
┌─────────────────┐
│ Validator │ Pydantic R4 (interno) + HAPI-FHIR (externo)
│ Agent │
└────────┬────────┘
│
▼
┌─────────────────┐
│ FHIR Bundle │ Transaction Bundle R4 · ProcessPoolExecutor (cpu-1 workers)
│ Generator │ Batch size: 500 · Output: .fhir.json por relatório
└─────────────────┘
-
[Publicado] Villacis Vera L., Malheiro R., Craveiro O. "PACS-to-FHIR Transformation and Clinical Text: a Case Study with Computed Tomography." Procedia Computer Science (ScienceDirect) · CENTERIS | ProjMAN | HCist 2025, Abu Dhabi, UAE. Link
-
[Under Review] Villacis Vera L., Malheiro R., Craveiro O. "LLM-Based Medical Summarization Survey and a Multidimensional Evaluation Framework." Artificial Intelligence in Medicine · Elsevier · Q1 · Submetido Jun 2026.
-
[Under Review] Villacis Vera L., Malheiro R., Craveiro O. "Multidimensional Evaluation Framework for Local LLM-Based Clinical Summarization: A Cross-Lingual Prototype on Computed Tomography Reports." Machine Learning and Knowledge Extraction · MDPI · Q1 · Submetido Jun 2026.
-
[Em preparação] Villacis Vera L., Malheiro R., Craveiro O., Távora V. "Governance, Compliance, and Cross-Border Interoperability in Clinical Data Platforms." Capítulo de livro · BLOCKCHAIN.PT · Jul 2026.
- Fonte: BioGHP (custodiante) via BLOCKCHAIN.PT — dados provenientes do CHULN, anonimizados
- Tipo: Relatórios de Tomografia Computadorizada (TC)
- Volume: 10.001 relatórios PACS (9.921 para sumarização)
- Split sumarização: Train 7.937 · Val 992 · Test 992 (616 com referências manuais)
- Especialidades TC: 37 tipos de procedimento — tórax (24,49%), abdómen superior (15,92%), pélvico (15,47%)
- Idioma: Português (PT-PT)
⚠️ Os dados clínicos do CHULN são confidenciais e não estão incluídos neste repositório.
cd fhir_transformer
pip install -r requirements.txt
# Processar todos os ficheiros
python main.py
# Testar com N ficheiros
python main.py --limit 10
# Workers customizados
python main.py --workers 4Output em output/fhir_bundles/ · Log em logs/coordinator.log · Resumo em logs/transformation_summary.json
cd summarization
pip install -r requirements.txt
# Avaliar PTT5-FT v2
python evaluate.py --model ptt5 --split test
# Avaliar todos os modelos
python evaluate_all.py| Nome | Papel | Instituição |
|---|---|---|
| Luís Alfredo Villacis Vera | Investigador / Mestrando | ESTG · IPLeiria |
| Prof. Ricardo Manuel da Silva Malheiro | Orientador Científico | ESTG · IPLeiria |
| Prof. Olga Marina Freitas Craveiro | Orientadora Científica | ESTG · IPLeiria |
| Nome | Projeto | Ano |
|---|---|---|
| Joaquim Pereira | EI 2024/2025 — Dashboard Web PACS→FHIR (Flask + MongoDB) | 2024/2025 |
| Pedro Silva | EI 2024/2025 — Dashboard Web PACS→FHIR (Flask + MongoDB) | 2024/2025 |
| Bernardo Meireles Cameira Pereira Frija | EI 2025/2026 — Proj. 51: Dashboard Médico Web com Resumo Clínico (FHIR) | 2025/2026 |
| Rodrigo Caldeira Carriça | EI 2025/2026 — Proj. 51: Dashboard Médico Web com Resumo Clínico (FHIR) | 2025/2026 |
| Rúben Moreira Ribeiro | EI 2025/2026 — Proj. 52: Repositório HAPI-FHIR + Pipeline de Ingestão | 2025/2026 |
| David Belykh | EI 2025/2026 — Proj. 52: Repositório HAPI-FHIR + Pipeline de Ingestão | 2025/2026 |
Este trabalho foi desenvolvido no âmbito da Bolsa de Investigação BLOCKCHAIN.PT — Agenda "Descentralizar Portugal com Blockchain" (WP2 – Saúde e Bem-estar), com financiamento PRR / Next Generation EU.
Ref.: 02/C05-i01.01/2022.PC644918095-00000033
Instituição de acolhimento: Escola Superior de Tecnologia e Gestão (ESTG) · Instituto Politécnico de Leiria
O trabalho produzido é independente da vertente blockchain — a contribuição científica centra-se em interoperabilidade semântica clínica (HL7 FHIR R4) e sumarização automática de texto clínico em português.
Código disponibilizado sob licença MIT. Os dados clínicos do CHULN são propriedade do hospital e não estão incluídos.