Biomarcadores baseados em aprendizado de máquina para customização de tratamentos de reabilitação robótica

• Processo: 19/06551-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 01 de setembro de 2019
• Data de Término da vigência: 31 de agosto de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Alexandre Cláudio Botazzo Delbem
• Beneficiário: Caio Benatti Moretti
• Supervisor: Hermano Igo Krebs
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Massachusetts Institute of Technology (MIT), Estados Unidos
• Vinculado à bolsa: 18/26493-7 - Avaliação do progresso de pacientes com AVC em tratamentos de reabilitação robótica, BP.DR
• Assunto(s): Acidente vascular cerebral Aprendizado computacional Robótica de reabilitação
• Palavra(s)-Chave do Pesquisador: Clinical Data Mining | machine learning | rehabilitation robotics | Statistical Learning Theory | stroke | Machine Learning and Data Mining

Resumo

Dispondo de sensores, os dispositivos robóticos para reabilitação de Acidente Vascular Cerebral descrevem o comportamento motor dos pacientes em grandezas cinemáticas e dinâmicas, as quais são pouco exploradas no contexto de aprendizado de máquina, devido ao alto custo temporal para aquisição de um volume de dados suficiente. Além disso, o estabelecimento de meios para uma avaliação quantitativa do progresso do paciente, bem como se o volume de dados é grande o suficiente para garantias de aprendizado sólidas, ainda não está claro. Ponderado pelas premissas da Teoria do Aprendizado Estatístico, este projeto de pesquisa propõe a definição de biomarcadores baseados em aprendizado de máquina para avaliar o progresso de pacientes durante o tratamento. A severidade da patologia, interpretada como a incerteza na classificação binária entre hemiparesia à esquerda e à direita, deve ser explorada com base na hipótese de que padrões patológicos, nos dados, se atenuem em função do tempo, constituindo uma evidência de recuperação do paciente.

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)

MORETTI, CAIO B.; DELBEM, ALEXANDRE C. B.; KREBS, HERMANO, I; IEEE. Human-Robot Interaction: Kinematic and Kinetic Data Analysis Framework. 2020 8TH IEEE RAS/EMBS INTERNATIONAL CONFERENCE FOR BIOMEDICAL ROBOTICS AND BIOMECHATRONICS (BIOROB), v. N/A, p. 5-pg., 2020-01-01. (19/06551-5)