System for predicting foot complications in diabetic patients using matching learning

• Grant number: 22/05261-6
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: June 01, 2022
• End date: June 07, 2023
• Field of knowledge: Physical Sciences and Mathematics - Computer Science - Computing Methodologies and Techniques
• Principal Investigator: Leissi Margarita Castañeda Leon
• Grantee: Florence Alyssa Sakuma Shibata
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis ; Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet
• Associated research grant: 22/01694-5 - System for predicting foot complications in diabetic patients using matching learning, AP.PIPE

Abstract

No mundo já são 500M de pessoas com diabetes e 30% delas irão sofrer de um desastre fisiológico chamado "pé diabético", que gera $350B de dólares de custo ao ano. A taxa de mortalidade pode ser comparada aos cânceres mais agressivos. As complicações no pé estão presentes em cerca de 19% a 34% dos pacientes diabéticos. Estima-se que, no mundo, de 9 a 26 milhões de pessoas tenham diagnóstico de pé diabético. A mortalidade desse grupo de pacientes é 5 vezes maior que nos pacientes diabéticos sem complicações no pé. Portanto, identificar pacientes que tenham risco de desenvolver complicações no pé e tomar atitude precocemente é fundamental para a boa evolução dos casos. A previsão de complicações em pacientes com doenças crônicas tem sido alvo de estudos que envolvem aplicação de conceitos de inteligência artificial e aprendizado de máquina. Os resultados são muito promissores com acurácia de 85,3% na previsão de reinternação de pacientes em até 30 dias após a alta e 89% na previsão do desenvolvimento de diabetes, por exemplo. Assim, este projeto trata da pesquisa para a criação de algoritmos que permitam predizer o surgimento de complicações como lesões no pé em pacientes diabéticos, explorando aprendizado de máquina com base nos dados estruturados (exames) e não estruturados (texto livre) retrospectivos do prontuário eletrônico (software de acompanhamento de consultas clínicas utilizado pelos médicos). Em especial, o desenvolvimento do projeto PIPE Fase I permitiu a criação de algoritmos de um protótipo que demonstrou a viabilidade da abordagem. A pesquisa será desenvolvida na BIOO e permitirá o desenvolvimento de um produto validado com dados do Hospital da Clínicas da USP, tendo sido aprovado pela Comissão Ética e Científica do Instituto de Ortopedia (protocolo número 1408). Em paralelo, uma parceria com o InovaHC foi contratada para a aplicação do algoritmo e incubação da empresa nesse ecossistema. Assim, o objetivo do projeto é o desenvolvimento de um sistema para predição de complicações no pé em pacientes diabéticos, atuando em clínicas, hospitais e sistemas de saúde públicos e privados. Além dos benefícios em relação à saúde pública, o futuro sistema tem um grande potencial econômico. Por exemplo, o tratamento de pacientes com pé diabético representa um gasto de $ 8,78 bilhões anuais apenas nos Estados Unidos. Esse é o nicho de mercado que a empresa pretende atuar. Assim, as complicações do pé diabético são responsáveis por grande impacto ao indivíduo e à sociedade. Tecnologias como a proposta visam aprimorar a identificação dos pacientes em risco, possibilitando ações mais assertivas e individualizadas com melhor eficiência, auxiliando na prioridade de atendimento e diminuindo o custo total atual e melhorando a aplicação dos recursos de saúde. Como parte do desenvolvimento do PIPE 1, a BIOO participou dos programas de mentoria PIPE Empreendedor e In.cube do InovaHC. Esse trabalho permitiu identificar e remodelar as oportunidades de negócio da BIOO em torno de 3 produtos principais: 1- biblioteca mais serviços de formação e organização de datasets; 2- módulo de Data Analytics epidemiológico; 3- módulo de predição do pé diabético.