Aplicação de IA na Fusão de Dados Temporais para Sistemas de Recomendação Híbridos no Tratamentos da Litíase Renal

• Processo: 25/09341-2
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2026
• 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: Leila Cristina Carneiro Bergamasco
• Beneficiário: Leila Cristina Carneiro Bergamasco
• Instituição Sede: Centro Universitário FEI (UNIFEI). Campus de São Bernardo do Campo. São Bernardo do Campo , SP, Brasil
• Município da Instituição Sede: São Bernardo do Campo
• Pesquisadores associados: Charles Henrique Porto Ferreira ; Danilo Hernani Perico ; Oscar Eduardo Hidetoshi Fugita ; Terry Lima Ruas
• Assunto(s): Inteligência artificial Nefrolitíase Sistemas de informação
• Palavra(s)-Chave do Pesquisador: Dados médicos longitudinais | Inteligência Artificial | Litíase renal | Sistemas de recomendação Híbridos | Transformers Espaciais-Temporais | Sistemas de Informação

Resumo

A litíase renal é uma doença comum e recorrente que impacta significativamente a saúde pública e a qualidade de vida dos pacientes, exigindo diagnóstico preciso e estratégias de tratamento eficazes. Embora exames de imagem, como tomografia computadorizada, e dados clínicos laboratoriais sejam amplamente utilizados, a integração temporal dessas informações permanece pouco explorada. Este trabalho propõe uma abordagem inovadora que realiza a fusão espacial-temporal de dados longitudinais clínicos extraídos de prontuários eletrônicos com séries temporais de imagens médicas, utilizando uma arquitetura inédita baseada em Transformers. O método visa capturar a evolução dinâmica da condição dos pacientes, melhorando a acurácia na predição de recorrência e complicações da litíase renal, além de personalizar recomendações terapêuticas. Para garantir a interpretabilidade e confiança clínica, a proposta incorpora técnicas de explicabilidade, como SHAP e Grad-CAM, que evidenciam os fatores clínicos e visuais mais relevantes para as decisões do modelo. A integração multimodal permite lidar com dados heterogêneos e incompletos, superando limitações dos métodos convencionais e oferecendo maior robustez na modelagem temporal. Essa abordagem híbrida e multimodal representa uma contribuição original e robusta ao estado da arte, com potencial para aplicação prática em ambientes hospitalares inteligentes, contribuindo para a automação e otimização do cuidado ao paciente com litíase renal. (AU)