Aplicação de Inteligência Artificial no auxílio ao diagnóstico e prognóstico de SARS-CoV-2

• Processo: 20/09807-8
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de abril de 2021
• Data de Término da vigência: 31 de dezembro de 2021
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Jairo da Silva Freitas Júnior
• Beneficiário: Jairo da Silva Freitas Júnior
• Empresa: Lablift Ltda
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis ; Consultoria em tecnologia da informação
• Município: Santo André
• Pesquisadores associados: Rafael Amatte Bizão ; Tiago Botari
• Bolsa(s) vinculada(s): 21/08091-1 - Aplicação de inteligência artificial no auxílio ao diagnóstico e prognóstico de SARS-CoV-2, BP.TT; 21/03863-6 - Aplicação de inteligência artificial no auxílio ao diagnóstico e prognóstico de SARS-CoV-2, BP.TT; 21/03661-4 - Aplicação de inteligência artificial no auxílio ao diagnóstico e prognóstico de SARS-CoV-2, BP.PIPE
• Assunto(s): Inteligência artificial Aprendizado computacional Algoritmos Modelos matemáticos Infecções por Coronavirus COVID-19 SARS-CoV-2 Técnicas e procedimentos diagnósticos Prognóstico
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Covid19 | diagnóstico | Inteligência Artificial | machine learning | prognóstico | Modelagem Matemática e Computacional

Resumo

O processo de diagnóstico médico exige que os profissionais de saúde analisem uma grande quantidade de dados, que incluem exames, histórico do paciente e outras informações relevantes. Essas informações são fruto de avanços tecnológicos que produzem um crescente volume de dados cuja análise se torna cada vez mais complexa. Além disso, algumas realidades demandam uma resposta rápida dos profissionais, como é o caso da recente pandemia de SARS-CoV-2. Dessa forma, existe a necessidade do desenvolvimento de ferramentas que auxiliem os profissionais da saúde, melhorando a eficiência de diagnósticos clínicos. Dentre as técnicas utilizadas de modelagem matemática e computacional, aprendizado de máquina tem demonstrado grande capacidade de uso como ferramenta complementar, auxiliando os profissionais de saúde na realização de diagnósticos mais rápidos, precisos e eficientes. A utilização de tais técnicas, quando desenvolvidas em conjunto com profissionais da saúde podem produzir resultados diagnósticos mais confiáveis, além de possíveis diminuições de custos. Este projeto de pesquisa propõe desenvolver métodos complementares para a tomada de decisões médicas em diagnósticos de pacientes com suspeita de infecção por SARS-CoV-2. Serão desenvolvidas modelagens matemáticas e computacionais utilizando algoritmos de aprendizado de máquina e outras metodologias de ciências de dados. Metodologias do estado da arte nas áreas de visualização computacional e interpretabilidade/explicabilidade serão utilizadas nos modelos gerados de forma a garantir transparência nos processos de decisão realizados. Os processos de implementação e adequação dos modelos serão realizados juntamente com profissionais da saúde de modo a produzir soluções específicas à realidade de hospitais e laboratórios brasileiros. Os dados utilizados na construção dos modelos serão obtidos a partir de bases de dados públicas de pesquisas da área médica e por parcerias a serem estabelecidas com centros médicos com a finalidade de ajustar os modelos criados, utilizando, por exemplo, aprendizado por transferência (transfer learning). Algumas etapas do projeto de pesquisa apresentado foram realizadas de maneira preliminar para demonstrar sua viabilidade. Os resultados obtidos até o momento demostram boa capacidade no auxílio aos profissionais de saúde para o diagnósticos do SARS-CoV-2. O produto resultado desse projeto visa a criação e implementação de modelos matemáticos em uma plataforma online já estabelecida www.testedecovid.com, auxiliando nos diagnósticos do SARS-CoV-2 e tornando-os rápidos e eficientes. A tecnologia que será desenvolvida atende uma crescente demanda dentro da área de medicina podendo ser implementada em laboratórios, hospitais e clínicas médicas. (AU)