Inteligência Artificial para Predição e Identificação Precoce de Câncer

• Processo: 23/15728-1
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de dezembro de 2023
• Data de Término da vigência: 30 de novembro de 2027
• Área de conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: José Soares de Andrade Júnior
• Beneficiário: Higor da Silva Monteiro
• Instituição Sede: Centro de Ciências. Universidade Federal do Ceará (UFC). Ministério da Educação (Brasil). Fortaleza , SP, Brasil
• Empresa: Universidade Federal do Ceará (UFC). Reitoria
• Vinculado ao auxílio: 20/09706-7 - CEREIA - Centro de Referência em Inteligência Artificial, AP.PCPE
• Assunto(s): Neoplasias Epidemiologia Inteligência artificial Ciência de dados
• Palavra(s)-Chave do Pesquisador: câncer | Epidemiologia | Inteligência Artificial | Ciência de Dados

Resumo

O câncer é uma das principais ameaças à saúde pública no novo milênio. Sua crescente incidência, juntamente às doenças cardiovasculares, resulta atualmente na maior carga global de doenças. A alta complexidade e os custos elevados dos procedimentos usados para identificar e tratar as neoplasias tornam o fardo ainda maior, especialmente nos países em desenvolvimento. Nesse contexto, a detecção precoce de casos e a predição de novos casos são metas fundamentais para o desenvolvimento de estratégias eficazes de tratamento e manejo. Recentemente, a utilização de tecnologias de nteligência artificial tem se destacado como um dos principais instrumentos para a concretização dessas metas. Em especial, a utilização de redes neurais profundas em modelos de linguagem natural e visão computacional tem produzido resultados promissores na identificação e caracterização de neoplasias por meio da análise supervisionada de prontuários e exames de imagem de milhares de pacientes. Neste projeto, utilizaremos dados anonimizados de atenção à saúde associados ao acompanhamento de milhões de beneficiários do plano de saúde da rede Hapvida NotreDame Intermédica. Esses dados são caracterizados pela riqueza de informações do paciente, abrangendo aspectos demográficos, geográficos e clínicos. Com isso, utilizaremos técnicas de aprendizagem profunda para a construção de modelos otimizados de visão computacional e linguagem natural para a detecção de câncer, com foco nos tipos de câncer mais incidentes na população brasileira. Ainda mais, faremos uso de modelos de aprendizagem de máquina para a avaliação de potenciais determinantes de riscos de modo a otimizar os processos de triagem e detecção precoce de novos casos de câncer. Assim, esperamos que os resultados tenham um impacto significativo na geração de conhecimento científico e no direcionamento de novas medidas de tratamento e manejo de neoplasias.