Busca avançada
Ano de início
Entree

Validação e melhoria de modelos de aprendizado de máquina para previsão de eventos cardiovasculares

Processo: 23/01695-4
Modalidade de apoio:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Vigência (Início): 01 de abril de 2023
Vigência (Término): 31 de março de 2025
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Acordo de Cooperação: União Europeia (Horizonte 2020)
Pesquisador responsável:Paulo Mazzoncini de Azevedo Marques
Beneficiário:Hilton Vicente César
Instituição Sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
Vinculado ao auxílio:21/06137-4 - Prevendo eventos cardiovasculares usando aprendizado de máquina, AP.R
Assunto(s):Aprendizado computacional   Aprendizado federado   Computação em informática médica   Doenças cardiovasculares
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Aprendizado federado | eventos cardiovasculares | Mace | Ciência da Computação em Medicina

Resumo

O objetivo geral do projeto é desenvolver modelos de previsão para MACE (Major adverse cardiovascular events) que possam ser utilizados em contextos clínicos diversos. Como objetivo específico, pretende-se verificar se o aprendizado federado resultará em maior poder de generalização dos modelos desenvolvidos pelo consórcio de centros de pesquisa. O bolsista deverá organizar e pré-processar a coorte local de pacientes, garantindo a harmonização dos dados em conformidade com os padrões adotados pelos parceiros internacionais. O bolsista também deverá apoiar o processo de validação e atualização do modelo de aprendizado de máquina que será disponibilizado pelo consórcio, o que será feito através de uma abordagem de aprendizagem federada, ou seja, os dados dos pacientes permanecerão privados localmente.

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