Inteligência artificial para prognóstico personalizado de paciente séptico

• Processo: 17/25497-6
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 12 de fevereiro de 2018
• Data de Término da vigência: 11 de maio de 2018
• Área de conhecimento: Engenharias - Engenharia Biomédica - Bioengenharia
• Pesquisador responsável: Karl Heinz Kienitz
• Beneficiário: José Lucas de Alencar Saraiva
• Supervisor: Visakan Kadirkamanathan
• Instituição Sede: Divisão de Engenharia Eletrônica (IEE). Instituto Tecnológico de Aeronáutica (ITA). Ministério da Defesa (Brasil). São José dos Campos , SP, Brasil
• Instituição Anfitriã: University of Sheffield, Inglaterra
• Vinculado à bolsa: 17/11272-2 - Predição da sepse: modelagem usando redes neurais e sua robustez, BP.IC
• Assunto(s): Sepse Robustez Inteligência artificial Redes neurais (computação) Aprendizagem profunda Pacientes
• Palavra(s)-Chave do Pesquisador: Deep Learning | Inteligência Artificial | Perturbações | Redes neurais | Robustez | sepse | Redes Neurais para Aplicação em Saúde

Resumo

A pesquisa desenvolvida pelo estudante no Brasil trata de instrumentos de modelagem da sepse. Sepse é uma condição clínica vulgarmente conhecida como "infecção generalizada". A pesquisa planejada para o estágio na Universidade de Sheffield complementa a pesquisa de iniciação científica feita no ITA, no Brasil, que por sua vez continua um trabalho feito em uma outra pesquisa de iniciação científica realizada no ITA em 2014/2015. Dada uma rede neural produzida no trabalho anterior, treinada para prognóstico de pacientes com sepse utilizando um banco de dados específico, o objetivo inicial do trabalho em curso é a validação e melhoria dessa rede neural por meio da integração de informações de um novo banco de dados. A investigação tratará do desafio de alcançar robustez em prognóstico de alta performance para pacientes sépticos com bancos de dados heterogêneos, os quais tem apenas correspondência parcial em suas colunas e que diferem em qualidade de registro.O objetivo da pesquisa a ser realizada na Universidade de Sheffield, na Inglaterra, é estudar a robustez da rede em relação a perturbações introduzidas de modo artificial nos bancos de dados utilizados para investigar a questão da qualidade dos dados usados. Além disso, deseja-se, com a orientação do professor Dr. Visakan Kadirkamanathan, o supervisor na instituição hospedeira, estudar topologias e métodos de treinamento alternativos para a rede neural, de modo a buscar uma rede mais robusta e mais eficiente para o prognóstico de pacientes com Sepse. Em particular, o foco vai estar em avanços recentes de inteligência artificial, como redes neurais de aprendizagem profunda. (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)