Aplicação da ciência de dados e métodos de inteligência artificial (ia) na identificação de padrões epidemiológicos e predição do impacto das mudanças climáticas na saúde materna e perinatal.

• Processo: 25/10862-7
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2027
• Área de conhecimento: Ciências da Saúde - Medicina - Saúde Materno-infantil
• Pesquisador responsável: João Marcos Travassos Romano
• Beneficiário: Charles M'Poca Charles
• Instituição Sede: Faculdade de Ciências Médicas (FCM). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Empresa: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação (FEEC)
• Vinculado ao auxílio: 20/09838-0 - BI0S - Brazilian Institute of Data Science, AP.PCPE
• Assunto(s): Ciência de dados Clima Inteligência artificial Recém-nascido prematuro Obstetrícia
• Palavra(s)-Chave do Pesquisador: Ciência de dados | clima | Inteligência Artificial | Óbito fetal | prematuridade | Saúde Materna e Perinatal | Obstetrícia

Resumo

Introdução: As mudanças climáticas representam um fator determinante na saúde materna e perinatal, estando associadas a um aumento do risco de desfechos adversos, como parto prematuro, baixo peso ao nascer e natimortalidade. Nesse contexto, a aplicação de Ciência de Dados e Inteligência Artificial (IA) emerge como uma abordagem promissora para a análise e predição desses impactos. Objetivo: Este estudo visa investigar a relação entre eventos climáticos extremos e a saúde materna e perinatal, utilizando métodos avançados de Ciência de Dados e IA. O propósito central é identificar padrões e fatores de risco, além de desenvolver modelos preditivos e calculadoras de risco para desfechos adversos na população brasileira. Metodologia: O estudo adota um delineamento estruturado em dois eixos principais, integrando múltiplos métodos de pesquisa e análise de dados para subsidiar a formulação de políticas públicas em saúde. As etapas metodológicas incluem a análise de séries temporais de dados históricos, a implementação de ferramentas preditivas e de resposta, e a utilização de abordagens quantitativas e qualitativas. Além disso, serão desenvolvidas ferramentas específicas para a avaliação e predição de desfechos maternos e perinatais associados a eventos climáticos extremos, com a aplicação de modelos de aprendizado de máquina (Machine Learning - ML) e dados provenientes do repositório do projeto Climaterna. Resultados esperados: Espera-se a implementação de dashboards interativos, sistemas de alerta precoce e planos de contingência para mitigar os impactos de eventos climáticos extremos na saúde materna e neonatal. Além disso, pretende-se identificar variáveis climáticas determinantes para desfechos como prematuridade, baixo peso ao nascer, óbito fetal e mortalidade neonatal. Por fim, serão desenvolvidos modelos preditivos para auxiliar na tomada de decisões e na formulação de estratégias de prevenção e intervenção em saúde pública. (AU)