Ambispective clinical study for the development of artificial intelligence models using routine blood biomarkers for early detection of Breast Cancer - Proof of concepts and support for commercialization.

• Grant number: 25/14149-3
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: October 01, 2025
• End date: February 28, 2026
• Field of knowledge: Physical Sciences and Mathematics - Computer Science - Computing Methodologies and Techniques
• Principal Investigator: Marco Aurelio Kohara
• Grantee: Carolina Regattieri de Biase Nicolini Delgado
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais ; Atividades de serviços de complementação diagnóstica e terapêutica
• Associated research grant: 23/14898-0 - Ambispective clinical study to develop artificial intelligence models using routine blood biomarkers to support the early identification of breast cancer., AP.PIPE

Abstract

Carolina Regattieri desempenhará um papel fundamental para o progresso da pesquisa "Estudo clínico ambispectivo para desenvolvimento de modelos de inteligência artificial com o uso de Biomarcadores Sanguíneosde rotina para identificação precoce do Câncer de Mama" e para o desenvolvimento do produto comercial advindodesta investigação científica, alinhando-se aos objetivos do Programa de Capacitação de Recursos Humanos. Osobjetivos traçados para essa Bolsa TT5 estão organizados em três categorias essenciais: 1. Infraestrutura deEngenharia de Dados: Realizar pré-processamento de dados, garantindo a qualidade e consistência deinformações clínicas complexas. Desenvolver modelos de IA para avaliação de risco de câncer de mama,explorando diferentes conjuntos de dados e técnicas. Conduzir os experimentos e utilizar ferramentas adequadaspara a interpretação dos modelos de Machine Learning. 2. Construção dos Pipelines: Contribuir para odesenvolvimento de sistemas robustos e escaláveis na Google Cloud Platform. Criar pipelines de transformaçãode dados reprodutíveis, facilitando a manutenção e colaboração da equipe técnica, seguindo boas práticas deprogramação em Python. Testar e implementar ferramentas de MLOps garantindo o versionamento de dados emodelos e garantir segurança nas adições de código à base de código existente. 3. Provas de Conceito (PoCs)com Clientes Comerciais: Comunicação com as equipes dos clientes e parceiros de pesquisa responsáveis pelacoleta, compreensão e compartilhamento de dados, bem como pela discussão dos resultados gerados. Gestão etransformação de dados clínicos e cadastrais, desde a limpeza e estruturação até a análise estatística eimplementação em modelos de Machine Learning para inferência do risco de carcinoma mamário para aspacientes. Apoiar a estratégia de comercialização da Huna, com foco em operadoras de saúde, visando àotimização do rastreamento do câncer de mama e à redução de custos.