Inteligência Artificial para Melhoria dos Resultados em Doenças Infecciosas em Receptores de Transplante Renal (AIIDKIT)

• Processo: 24/04761-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2025
• Data de Término da vigência: 31 de janeiro de 2029
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: José Fernando Rodrigues Júnior
• Beneficiário: José Fernando Rodrigues Júnior
• Pesquisador Responsável no exterior: Douglas Henrique Teodoro
• Instituição Parceira no exterior: Université de Genève, Suíça
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores associados: Adriano Kamimura Suzuki ; Christian van Delden ; Luís Gustavo Modelli de Andrade
• Bolsa(s) vinculada(s): 25/02134-1 - Sistematização de um sistema de Inteligência Artificial para Melhoria dos Resultados de Doenças Infecciosas em Receptores de Transplante Renal, BP.PD
• Assunto(s): Aprendizado computacional Transplante de rim
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | aprendizado profundo baseado em atenção | dados médicos | interpretabilidade da IA | Redes Neurais de Grafos | transplante de rim | Aprendizado de Maquina

Resumo

O projeto de pesquisa colaborativa em Inteligência Artificial para Melhoria dos Resultados em Doenças Infecciosas em Receptores de Transplante Renal (AIIDKIT) representa uma iniciativa que une extensos conjuntos de dados de transplante renal do Brasil e da Suíça para impulsionar as capacidades de modelagem preditiva no âmbito da medicina de transplante. Ao capitalizar a riqueza de dados originados de populações de pacientes diversas e diferentes sistemas de saúde, o projeto objetiva inovar na previsão de riscos de infecção em receptores de transplante renal por meio da aplicação de técnicas computacionais avançadas, notavelmente a utilização de Redes Neurais baseadas em Atenção. Esta abordagem visa não apenas aprimorar a precisão das avaliações prognósticas, mas também fornecer percepções personalizadas sobre as trajetórias individuais dos pacientes, integrando Registros Médicos Eletrônicos e informações contextuais suplementares. A colaboração de uma equipe multidisciplinar composta por pesquisadores da Universidade de São Paulo, da Universidade Estadual Paulista, e da Universidade de Genebra sublinham um compromisso com o avanço da saúde impulsionada por IA. Por meio da análise de dados, refinamento de modelos e a exploração de novas representações de dados, o projeto busca estabelecer um arcabouço preditivo que possa se adaptar às complexidades das dinâmicas de transplante renal. Modelando os dados de trajetória de transplante como entrada para Modelos de Linguagem de Grande Escala (LLMs) e como estruturas de grafos para investigar Redes de Atenção de Grafos (GATs), o projeto visa fornecer percepções personalizadas sobre os resultados dos pacientes e suscetibilidade a infecções. O objetivo é dar suporte à tomada de decisão em relação a tratamentos de profilaxia e terapia imunossupressora. Ao promover a troca de conhecimentos e recursos entre as instituições de pesquisa brasileiras e suíças, o AIIDKIT visa não apenas abordar os desafios imediatos em doenças infecciosas pós-transplante renal, mas também estabelecer a base para inovações no campo da medicina de transplante. (AU)