Busca avançada
Ano de início
Entree

HubDoctor: plataforma computacional para avaliação da gravidade de problemas bucais, urgência de agendamento, indicação dos profissionais mais qualificados para o caso, comunicação paciente-profissional e agendamento personalizado

Processo: 21/05304-4
Linha de fomento:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Vigência (Início): 01 de julho de 2021
Vigência (Término): 31 de dezembro de 2021
Área do conhecimento:Interdisciplinar
Pesquisador responsável:Tamara Carolina Trevisan
Beneficiário:Rafael Roque de Souza
CNAE: Atividades de apoio à gestão de saúde
Atividades de atenção à saúde humana não especificadas anteriormente
Vinculado ao auxílio:19/26359-1 - HubDoctor - plataforma computacional para avaliação da gravidade de problemas bucais, urgência de agendamento, indicação dos profissionais mais qualificados para o caso, comunicação paciente-profissional e agendamento personalizado, AP.PIPE
Assunto(s):Saúde bucal   Plataforma (computação)   Computação em nuvem   Inteligência artificial   Sistemas de recomendação

Resumo

Os resultados obtidos na FASE I PIPE FAPESP demonstram alto potencial de comercialização da inovação proposta, pois mostraram que as pessoas têm baixo conhecimento sobre saúde bucal e buscam informações na internet para tirar dúvidas sobre seus problemas; e os dentistas estão descontentes e buscam soluções para obter sucesso profissional rápido. A plataforma HubDoctor oferece serviço disruptivo e inovador, realizado totalmente por assistente virtual conversacional com inteligência artificial (IA) especializado em odontologia (healthbot HubDoctor), que avalia o risco de patologias bucais, da orientação personalizada e pode indicar profissionais com maior probabilidade de resolver o problema do usuário. Para que isso seja possível, será necessário superar os seguintes desafios tecnológicos: 1) Um assistente conversacional especializado em odontologia capaz de manter diálogo fluido e consistente com os usuários e ajudá-los resolver seus problemas bucais em todas as regiões do país? 2) A estrutura de diálogos por texto livre é mais eficaz que a de menu estruturado para que o healthbot realize adequada avaliação do risco de erosão ácida e indicação de profissionais? 3) O healthbot pode realizar a coleta de dados para determinação de modelos preditivos de avaliação de risco e indicação de profissional? 4) Esses modelos preditivos têm acurácia semelhante a profissionais experts na área para poder orientar os pacientes de forma confiável e assertiva? Para a FASE II PIPE, foram propostas 4 pesquisas com o objetivo de: 1) Avaliar o desempenho de duas arquiteturas (microserviços ou convencional); 2) Validar cientificamente o modelo preditivo de avaliação do risco de erosão ácida dental desenvolvido por redes neurais e deep learning e confirmar sua acurácia frente a decisão de especialistas da área; 3) Validar cientificamente o modelo preditivo de indicação profissional desenvolvido por redes neurais e deep learning e confirmar sua acurácia frente a recomendação dada por especialistas da área; 4) Avaliar o desempenho conversacional do healthbot com usuários de diferentes classes sociais e regiões do país. Os dados obtidos serão analisados estatisticamente utilizando coeficiente Kappa, c2 e/ou regressão considerando a = 0,05. Com a realização desse projeto é esperado identificar os modelos preditivos mais adequados para a avaliação do risco de erosão ácida e para a indicação dos profissionais, bem como a melhor estratégia para desenvolver healthbot, capaz de ajudar as pessoas e os profissionais com orientações confiáveis e validadas cientificamente.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)