Gestão Inteligente de Dados Multimodais de Saúde para Tomada de Decisão em Cenários de Big Data - IHealth-MD

• Processo: 24/13328-9
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2030
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Agma Juci Machado Traina
• Beneficiário: Agma Juci Machado Traina
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores principais: Caetano Traina Junior ; José Eduardo Krieger ; José Fernando Rodrigues Júnior ; Marco Antonio Gutierrez
• Pesquisadores associados: Abdelsalam Helal ; Christos Faloutsos ; Cláudio Douglas Gouveia Linhares ; Diego Armando Cardona Cardenas ; Elaine Parros Machado de Sousa ; Estela Ribeiro ; Guilherme Sydow Nunes Bueno Brandão ; Jean Roberto Ponciano ; Joe Tekli ; Jorge Elias Júnior ; Marcel Koenigkam Santos ; Marcello Henrique Nogueira Barbosa ; Marcos Vinicius Naves Bêdo ; Marina de Fátima de Sá Rebelo ; Mirela Teixeira Cazzolato ; Paolo Soda ; Paulo Mazzoncini de Azevedo Marques ; Ramon Alfredo Moreno ; Richard Chbeir ; Rosa Sicilia ; Rudinei Goularte ; Sameer Antani ; Sebastian Bickelhaupt
• Assunto(s): Big data
• Palavra(s)-Chave do Pesquisador: big data | dados médicos | dados multimodais | Gestão de Dados de Saúde | Inteligência Artificial em Saúde | Processos de tomada de decisão | Bases de Dados e Processamento Gráfico

Resumo

O foco desde projeto de pesquisa Temático são os desafios de gerenciar e integrar dados de saúde multimodais para descoberta de conhecimento, visando extrair informações significativas de grandes volumes de dados de saúde complexos e diversos, criando, desenvolvendo e se beneficiando de técnicas de Big Data e Inteligência Artificial (IA) em Ciências da Saúde. Hoje, quase todas as atividades humanas geram e exigem o armazenamento e processamento de grandes quantidades de dados diversos e complexos, desde atividades científicas, acadêmicas e empresariais até atividades de lazer. As atividades relacionadas à saúde não são diferentes, pois produzem big data e podem se beneficiar de avanços tecnológicos para aprimorar os processos de tomada de decisão por meio das informações extraídas desses dados.Em um ambiente clínico, os registros eletrônicos de pacientes (REPs) são a base para o desenvolvimento de estratégias de extração de informações. Nesta proposta, pretendemos desenvolver e integrar algoritmos novos e escaláveis alimentados por métodos de engenharia de dados (DE) e IA. Esses algoritmos alavancarão grandes quantidades de REPs e repositórios de dados clínicos para reunir informações valiosas e significativas para a tomada de decisão. Os aspectos de comunicação e segurança de dados serão cuidadosamente considerados, garantindo a integridade e a privacidade dos dados, ao mesmo tempo em que permitirão a descoberta eficiente de conhecimento.O tamanho e a complexidade dos bancos de dados de REPs, que incluem texto estruturado e não estruturado, sinais, imagens, resultados de exames laboratoriais e dados genômicos, apresentam desafios significativos para o processamento. Esses desafios abrangem a aplicação de técnicas de análise e o desenvolvimento de ferramentas práticas e aplicações subsequentes. No entanto, esses bancos de dados também apresentam inúmeras oportunidades para desenvolver novos algoritmos e métodos capazes de exibir de modo inteligente informações relevantes relacionadas a pacientes individuais ou grupos de pacientes. Isso pode transformar REPs em plataformas mais eficazes, aprimorando o suporte para profissionais de saúde, otimizando aplicativos médicos e informando decisões governamentais estratégicas em linha com as demandas e benefícios do big data. Neste projeto, pretendemos abordar os desafios de gerenciar e integrar não apenas as informações, mas também o conhecimento de várias modalidades de dados de saúde, com foco inicial em doenças pulmonares, principalmente câncer de pulmão, bem como doenças cardiovasculares. Desenvolveremos métodos e algoritmos que serão finalmente materializados em uma plataforma modular, que será disponibilizada à comunidade de saúde. (AU)