Centro de Ciência, Tecnologia e Desenvolvimento para inovação em Medicina e Saúde: inLab.iNova

• Processo: 21/11905-0
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Ciência para o Desenvolvimento
• Data de Início da vigência: 01 de junho de 2022
• Data de Término da vigência: 31 de maio de 2027
• Área do conhecimento: Ciências da Saúde - Medicina
• Pesquisador responsável: Giovanni Guido Cerri
• Beneficiário: Giovanni Guido Cerri
• Instituição Sede: Faculdade de Medicina (FM). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores principais: André Carlos Ponce de Leon Ferreira de Carvalho ; Claudia da Costa Leite ; Eduardo Mario Dias ; Leandro Nunes de Castro Silva ; Marcelo Tatit Sapienza
• Pesquisadores associados: Adriano Galindo Leal ; André Kazuo Takahata ; Antonio Valerio Netto ; Cristina Pires Camargo ; Jorge Futoshi Yamamoto ; Lilian Berton ; Moacyr Martucci Jr ; Ricardo Suyama ; Rodrigo Bonacin ; Umberto Tachinardi
• Bolsa(s) vinculada(s): 25/04494-5 - Inteligência artificial para a avaliação da saúde cerebral por ressonância magnética., BP.IC; 24/22139-5 - Análise Retrospectiva de Dados de Imagem Utilizando Métodos de Inteligência Artificial para Avaliação Diagnóstica do PET amiloide na Doença de Alzheimer, BP.MS; 24/19593-6 - Aplicação de métodos e técnicas computacionais para desenvolvimento de aplicativo para controle de doenças crônicas: HIPERTENSÃO ARTERIAL SISTÊMICA (HAS), BP.IC; + mais bolsas vinculadas 24/18658-7 - Aplicação de métodos e técnicas computacionais para desenvolvimento de aplicativo para controle de doenças crônicas: DIABETES MELLITUS (DM), BP.IC; 24/18948-5 - Aplicação de métodos e técnicas computacionais para desenvolvimento de aplicativo para controle de doenças crônicas: OBESIDADE, BP.IC; 24/18924-9 - Aplicação de métodos e técnicas computacionais para desenvolvimento de aplicativo para controle de doenças crônicas: DOENÇAS NEUROLÓGICAS CRÔNICAS, BP.IC; 24/18602-1 - "Projeto de Pesquisa sobre sistemas integrados de informação em saúde, incluindo grandes bases de dados, big data, inteligência artificial, modelos preditivos, tecnologias avançadas para diagnóstico, prevenção e tratamentos em Medicina", BP.IC; 24/18603-8 - Aplicação de métodos e técnicas computacionais para desenvolvimento de aplicativo para controle de doenças crônicas: BRONQUITE CRÔNICA, BP.IC; 24/18604-4 - Aplicação de métodos e técnicas computacionais para desenvolvimento de aplicativo para controle de doenças crônicas: insuficiência renal crônica (IRC), BP.IC; 24/18605-0 - Aplicação de métodos e técnicas computacionais para desenvolvimento de aplicativo para controle de doenças crônicas: DISPLASIA BRONCOPULMONAR, BP.IC; 24/18657-0 - Aplicação de métodos e técnicas computacionais para desenvolvimento de aplicativo para controle de doenças crônicas: Doença Pulmonar Obstrutiva Crônica (DPOC), BP.IC; 24/14707-3 - Elaboração de uma metodologia avaliativa baseada em critérios para implementação de sucesso de sistemas de IA na Radiologia com qualidade 'lato sensu'., BP.DR; 24/03429-2 - Transferência de aprendizado para reconhecimento de imagens médicas relacionadas a câncer., BP.DR; 24/08815-8 - IA na Medicina: Perspectiva de Residentes Brasileiros por Programa, Gênero e Alfabetização Tecnológica, BP.IC; 23/13355-3 - Projeto de Pesquisa sobre sistemas integrados de informação em saúde, incluindo grandes bases de dados, big data, inteligência artificial, modelos preditivos, tecnologias avançadas para diagnóstico, prevenção e tratamentos em Medicina, BP.TT; 23/10867-3 - Identificação de ruídos em imagens de ressonância magnética funcional 7T usando inteligência artificial, BP.PD - menos bolsas vinculadas
• Assunto(s): Biociências Diagnóstico Tecnologias da saúde Ciência da computação Inovações tecnológicas Inteligência artificial Sistemas de informação Modelos preditivos Telemonitoramento Tratamento Big data
• Palavra(s)-Chave do Pesquisador: Big Data | Ciência da Computação | Ciências Biológicas | diagnóstico | diagnósticos | Inovação Tecnológica | Inteligência Artificial | Medicina | modelos preditivos | prevenção | prevenção e tratamentos em Medicina | Saúde | Sistemas de Informação | Tecnologias em Saúde | telemonitoramento | terapias | Terapias avançadas | tratamento | Ciência e Tecnologia aplicada à Medicina e Saúde

Resumo

Este documento trata do Projeto de Pesquisa sobre sistemas integrados de informação em saúde, incluindo grandes bases de dados (big data), inteligência artificial, modelos preditivos, terapias avançadas para diagnóstico, prevenção e tratamento de doenças crônicas a ser realizado pelo Inova HC, Núcleo de Inovação Tecnológica do Hospital das Clínicas da Faculdade de Medicina da USP. A área de Medicina e Saúde é um campo científico essencial para o desenvolvimento da sociedade e evolução da humanidade. A recente pandemia mundial demonstrou quão fundamental e necessário é o desenvolvimento de novos métodos e técnicas para diagnóstico e terapêutica que permitam soluções rápidas e eficazes para os problemas de saúde. A aplicação de técnicas de Inteligência Artificial (IA) em Medicina e Saúde tem o potencial de aprimorar, agilizar e automatizar o diagnóstico e tratamento de algumas das principais doenças que afligem a humanidade. Neste aspecto, esta inovação permitirá um salto científico e tecnológico que poderá beneficiar milhares de pessoas e pacientes. Objetivos: Realizar pesquisas básicas e aplicadas orientadas a problemas, buscando produzir riquezas para o Brasil e contribuir para a garantia de direitos e qualidade de vida dos brasileiros; Realizar projetos em parceria com órgãos governamentais e não governamentais; Gerar Startups ou Spin-offs que incorporem resultados de pesquisas desenvolvidas pelo Centro em seus produtos ou serviços; Contribuir de forma substancial à formação de mão-de-obra qualificada nos níveis técnicos, tecnólogos, bacharéis e de pós-graduação lato e/ou stricto sensu na área de Inteligência Artificial aplicada nas áreas temáticas de Medicina e Saúde; Focar em pesquisa avançada científica e tecnológica comum, articulador das atividades de pesquisa a serem desenvolvidas, que é o campo de Inteligência Artificial em Medicina e Saúde. Neste projeto visamos implantar um Centro de Ciência para Desenvolvimento (CCD) de Pesquisas sobre sistemas integrados de informação em saúde, incluindo grandes bases de dados (big data), inteligência artificial, modelos preditivos, terapias avançadas para diagnóstico, prevenção e tratamento de doenças crônicas na área de Saúde. O projeto é feito em conjunto entre a Faculdade de Medicina da USP (FMUSP), o Hospital das Clínicas da FMUSP (HC), o Instituto de Radiologia do HC (InRad), a Escola Politécnica de Engenharia da USP (POLI). Esta parceria visa implementar plataformas, desenvolver métodos e criar novos algoritmos para apoio ao diagnóstico e terapêutica em Medicina e gestão em Saúde. O HCFMUSP atende cerca de 1,5 milhão de pacientes por ano. É o maior complexo de Medicina da América do Sul. Está vinculado à Secretaria da Saúde do Estado de São Paulo, responsável por uma população de 44 milhões de pessoas, para fins assistenciais. Está vinculado e à FMUSP para fins de ensino e pesquisa. A FMUSP possui 1.000 alunos de graduação e 2.000 de pós-graduação. A Pós-graduação stricto sensu da FMUSP é composta por 27 programas nos níveis de Mestrado Acadêmico, Mestrado Profissional e Doutorado, voltados à formação de pesquisadores e docentes de ensino superior. Possui aproximadamente 500 orientadores credenciados e protagoniza importante papel na produção científica do País, com publicações em periódicos de alto impacto em nível nacional e internacional. A Escola Politécnica de Engenharia da USP possui uma quantidade de alunos de graduação e pós-graduação equivalentes à Faculdade de Medicina. Estão previstos cursos de graduação e pós-graduação, em ambas as faculdades, pela USP. Esta plataforma tem o potencial de ser utilizada em unidades do SUS Sistema Único de Saúde. Primeiramente, pretendemos oferecer à SES-SP Secretaria de Saúde do Estado de São Paulo, e para todas as unidades federativas. (AU)

Publicações científicas

(7)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

XAVIER, RITA; PELLER, JOHN; DE CASTRO, LEANDRO NUNES. TRUNC: A Transfer Learning Unsupervised Network for Data Clustering. IEEE ACCESS, v. 13, p. 17-pg., 2025-01-01. (21/11905-0)

FRANCA, MILTON; AMARAL, ANGELO; ROSA, FERRUCIO DE FRANCO; BONACIN, RODRIGO. Scientific Knowledge Database to Support Cybersickness Detection and Prevention. VIRTUAL, AUGMENTED AND MIXED REALITY, PT I, VAMR 2024, v. 14706, p. 18-pg., 2024-01-01. (21/11905-0)

LIMA, BRUNO C. S.; FRANGO, ISMAR S.; DE CASTRO, LEANDRO N.. An Ant Colony Optimization Approach to Optimize Biblical Sermons. DISTRIBUTED COMPUTING AND ARTIFICIAL INTELLIGENCE, 21ST INTERNATIONAL CONFERENCE, v. 1259, p. 10-pg., 2025-01-01. (21/11905-0)

XAVIER, RITA; PELLER, JOHN; DE CASTRO, LEANDRO N.. TRUNC: A Transfer Learning Unsupervised Network for Data Clustering. DISTRIBUTED COMPUTING AND ARTIFICIAL INTELLIGENCE, 21ST INTERNATIONAL CONFERENCE, v. 1259, p. 11-pg., 2025-01-01. (21/11905-0)

SANTOS, MATHEUS A. DE CASTRO; BERTON, LILIAN. An Enhanced Framework for Overcoming Pitfalls and Enabling Model Interpretation in Pneumonia and Covid-19 Classification. IEEE ACCESS, v. 11, p. 18-pg., 2023-01-01. (21/14725-3, 21/11905-0)

BONACIN, RODRIGO; DE FIGUEIREDO, ELAINE BARBOSA; ROSA, FERRUCIO DE FRANCO; DOS REIS, JULIO CESAR; DAMETTO, MARIANGELA. The reuse of electronic health records information models in the oncology domain: Studies with the bioframe framework. JOURNAL OF BIOMEDICAL INFORMATICS, v. 157, p. 9-pg., 2024-08-17. (21/11905-0)

FERRARIA, MATHEUS A.; BALBI, PEDRO P.; DE CASTRO, LEANDRO N.. An Analysis of Different Text Representation Schemes for an Immune Clustering Algorithm. DISTRIBUTED COMPUTING AND ARTIFICIAL INTELLIGENCE, 21ST INTERNATIONAL CONFERENCE, v. 1259, p. 11-pg., 2025-01-01. (21/11905-0)