Predição de Desfechos Clínicos e Econômicos por Meio de Representações Semânticas MultiModais de Pacientes Resilientes a Drifts Temporais

• Processo: 25/00133-8
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de março de 2025
• Data de Término da vigência: 31 de agosto de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Marcos André Gonçalves
• Beneficiário: Luciano Romero Soares de Lima
• Instituição Sede: Instituto de Ciências Exatas (ICEx). Universidade Federal de Minas Gerais (UFMG). Ministério da Educação (Brasil). Belo Horizonte , SP, Brasil
• Empresa: Universidade Federal de Minas Gerais (UFMG). Instituto de Ciências Exatas (ICEx)
• Vinculado ao auxílio: 20/09866-4 - Centro de Inovação em Inteligência Artificial para a Saúde (CIIA-Saúde), AP.PCPE
• Assunto(s): Ciência de dados Informática médica Inteligência artificial Recuperação da informação
• Palavra(s)-Chave do Pesquisador: arquitetura de dados | Ciência de dados | informática em saúde | Inteligência Artificial | recuperação de informação | Sistema de Informação em Saúde | Ciência de Dados e Inteligência Artificial

Resumo

O Projeto apresenta os seguintes objetivos gerais:(a) Desenvolver ferramentas de IA, capazes de auxiliar os profissionais de saúde no diagnóstico e prognóstico, com foco inicial para a COVID-19, mas com ampliação para novos desfechos, tais como, a necessidade de uso de terapia intensiva, ventilação mecânica e diálise; complicações cardiovasculares; sintomas pós-COVID; e modelos para predição de custos no tratamento de pacientes com base no perfil de consumo de recursos em suas rotas (trajetórias) de cuidado.(b) Desenvolver estratégias de representação de pacientes que integrem dados multimodais de várias fontes para realizar predição efetiva de desfechos clínicos e econômicos.(c) Avaliar as representações desenvolvidas e novas estratégias de mitigação dos drifts temporais construídos e verificar se é possível reduzir os efeitos desses drifts em dados econômicos e de saúde.