Transfer learning para a predição da mortalidade e morbidade materna grave: uma análise multicêntrica em oito países de baixa e média renda

• Processo: 24/07552-3
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 30 de setembro de 2026
• Área de conhecimento: Ciências da Saúde - Saúde Coletiva - Epidemiologia
• Pesquisador responsável: Alexandre Dias Porto Chiavegatto Filho
• Beneficiário: Marcela Quaresma Soares
• Instituição Sede: Faculdade de Saúde Pública (FSP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Complicações na gravidez Aprendizado computacional Mortalidade materna Saúde materna Transferência de aprendizado de máquina
• Palavra(s)-Chave do Pesquisador: Complicações na gravidez | machine learning | Mortalidade Materna | Países de baixa e média renda | Saude Materna | Transfer Learning | Machine learning

Resumo

A mortalidade materna persiste como um desafio global, especialmente em países de baixa e média renda (PBMR), onde ocorrem 94% dos óbitos maternos. Apesar dos avanços na produção, qualidade e disponibilidade de dados sobre saúde materna, os métodos tradicionais de análise têm dificuldade em capturar todas as especificidades e inter-relações entre os diversos fatores envolvidos nos eventos adversos maternos. Nesse contexto, o presente projeto tem como objetivo utilizar técnicas de machine learning (ML) para predizer a ocorrência de eventos adversos maternos, como mortalidade e morbidade grave em PBMR, e posteriormente adaptar os resultados para a realidade brasileira. A análise utilizará dados de oito PBMR do Global Network's Maternal Newborn Health, que servirão da base para o desenvolvimento de algoritmos de transfer learning (TL) para a realidade brasileira. TL é uma abordagem de ML que envolve a utilização de conhecimentos adquiridos em um domínio de origem para melhorar o desempenho em um domínio de destino, por meio de fine-tuning de modelos pré-treinados e da extração de características relevantes. Espera-se que este estudo gere conhecimento científico sobre o uso de TL para a predição de eventos adversos maternos, desenvolvendo modelos que auxiliem na alocação eficiente de recursos e intervenções, na individualização do cuidado e na otimização da gestão de casos de alto risco. A implementação dessas estratégias tem como objetivo contribuir significativamente para a melhoria da saúde e a redução da mortalidade materna.