Computação de alto desempenho em nuvens aplicada à escalabilidade de um sistema de predição de riscos de deterioração clínica de pacientes via aprendizagem de máquina

• Processo: 23/00744-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de abril de 2024
• Data de Término da vigência: 31 de março de 2026
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Rhanna Emanuela Fontenele Lima de Carvalho
• Beneficiário: Rhanna Emanuela Fontenele Lima de Carvalho
• Instituição Sede: Centro de Ciências da Saúde (CCS). Universidade Estadual do Ceará (UECE). Campus do Itaperi. Fortaleza , SP, Brasil
• Pesquisadores associados: Francisco Heron de Carvalho Junor ; Melissa Soares Medeiros ; Ticiana Linhares Coelho da Silva ; Victor Almeida Campos
• Bolsa(s) vinculada(s): 25/02067-2 - Modelo de Predição de Riscos de Deteriorização Clínica de Pacientes via Aprendizagem de Máquina, BP.TT
• Assunto(s): Geofísica marinha Computação de alto desempenho Aprendizado computacional Aprendizagem profunda Previsão de riscos
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Máquinas | Computacão de Alto Desempenho | Deterioração Clínica | Modelos de aprendizado profundo | Computação de Alto Desempenho

Resumo

O objetivo desta pesquisa é propor um arcabouço de métodos e técnicas para construção de um sistema de alerta de risco para pacientes em deterioração clínica utilizando aprendizagem de máquina, baseado em dados anotados por profissionais de saúde em prontuários eletrônicos, formulários preenchidos em papel por enfermeiros, exames laboratoriais e informações demográficas. Pesquisa de desenvolvimento tecnológico, elaborada em oito etapas que versará desde a coleta das informações até a geração de um modelo de predição de riscos e outros artefatos do arcabouço em função desse modelo. O modelo de risco proposto será treinado a partir de indicadores de saúde coletados nos prontuários, e poderá ter como classe/label as categorias: vermelho (alto risco), amarelo (risco moderado) e verde (baixo risco). O modelo também pode ser uma regressão permitindo a predição de um score numérico a ser associado posteriormente a uma dessas faixas de risco. Espera-se com essa pesquisa disponibilizar uma tecnologia válida, confiável eescalável que pode prever a deterioração clinica de pacientes em uma rede hospitalar em até 72 horas, e assim auxiliar a equipe de saúde na tomada de decisão precocemente. Além disso, espera-se fortalecer a colaboração entre grupos de pesquisa nacionais e internacionais, incluindo pesquisadores da ciência da computação e das ciências dasaúde, e o governo, por meio da Secretaria de Saúde do Estado do Ceará, na busca de um sistema de assistência de saúde pública e de qualidade. (AU)