Predição da sepse: modelagem usando redes neurais e sua robustez

• Processo: 17/11272-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2017
• Data de Término da vigência: 02 de novembro de 2018
• Área de conhecimento: Engenharias - Engenharia Biomédica - Bioengenharia
• Pesquisador responsável: Karl Heinz Kienitz
• Beneficiário: José Lucas de Alencar Saraiva
• Instituição Sede: Divisão de Engenharia Eletrônica (IEE). Instituto Tecnológico de Aeronáutica (ITA). Ministério da Defesa (Brasil). São José dos Campos , SP, Brasil
• Bolsa(s) vinculada(s): 17/25497-6 - Inteligência artificial para prognóstico personalizado de paciente séptico, BE.EP.IC
• Assunto(s): Redes neurais (computação) Sepse Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado Automático | Modelagem | Redes neurais | sepse | Treinamento | Redes Neurais para Aplicação em Saúde

Resumo

Este trabalho trata de instrumentos de modelagem da sepse, uma condição clínica vulgarmente conhecida como "infecção generalizada". Uma vez que anualmente milhões de pacientes são afetados por essa doença, avanços na pesquisa relacionada à sepse têm alto potencial de impacto. Espera-se que a modelagem da influência das variáveis pertinentes dos casos de sobrevivência aponte evidências de medidas bem-sucedidas, e permita construir sistemas de suporte a decisão para a facilitação dos tratamentos e o treinamento dos profissionais envolvidos. Este trabalho dará continuidade a uma pesquisa já realizada em 2014/2015 por um aluno de iniciação científica do ITA. O aluno será orientado pelo Prof. Karl Heinz Kienitz e terá o acompanhamento semanal ou quinzenal especializado do Dr. Otávio Monteiro Becker Jr., do Hospital de Transplantes do Estado de São Paulo. Dada uma rede neural produzida no trabalho anterior, treinada para prognóstico de pacientes com sepse, o objetivo inicial deste trabalho será o de validar e/ou melhorar essa rede neural. A seguir pretende-se investigar a robustez da modelagem usada no treinamento da rede com relação à qualidade dos dados utilizados. Para tal, a técnica desenvolvida na construção da primeira rede será utilizada na construção de uma segunda rede neural a partir de um novo banco de dados, cujos registros são mais confiáveis do que os do banco de dados usada no trabalho anterior. As redes serão comparadas, sendo a proposta de comparação desenvolvida nesta pesquisa. (AU)

Publicações científicas

(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)

DE ALENCAR SARAIVA, JOSE LUCAS; VICTOR JUNIOR, MARCUS HENRIQUE; BECKER JUNIOR, OTAVIO MONTEIRO; KADIRKAMANATHAN, VISAKAN; SILVA, ELIEZER; KIENITZ, KARL HEINZ; COSTAFELIX, R; MACHADO, JC; ALVARENGA, AV. Sepsis Patient Outcome Prediction Using Machine Learning. XXVI BRAZILIAN CONGRESS ON BIOMEDICAL ENGINEERING, CBEB 2018, VOL 1, v. 70, n. 1, p. 5-pg., 2019-01-01. (17/11272-2, 17/25497-6)