Estudo clínico ambispectivo para desenvolvimento de modelos de inteligência artificial com o uso de Biomarcadores Sanguíneos de rotina para identificação precoce do Câncer de Mama - Provas de conceito e suporte à comercialização.

• Processo: 25/14149-3
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de outubro de 2025
• Data de Término da vigência: 28 de fevereiro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Marco Aurelio Kohara
• Beneficiário: Carolina Regattieri de Biase Nicolini Delgado
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais ; Atividades de serviços de complementação diagnóstica e terapêutica
• Vinculado ao auxílio: 23/14898-0 - Estudo clínico ambispectivo para desenvolvimento de modelos de inteligência artificial com o uso de Biomarcadores Sanguíneos de rotina para suporte à identificação precoce do Câncer de Mama., AP.PIPE
• Assunto(s): Neoplasias mamárias Aprendizado computacional Rastreamento
• Palavra(s)-Chave do Pesquisador: Câncer de mama | machine learning | marcadores sanguíneos | Rastreamento | Inteligência Artificial - Aprendizado de Máquina

Resumo

Carolina Regattieri desempenhará um papel fundamental para o progresso da pesquisa "Estudo clínico ambispectivo para desenvolvimento de modelos de inteligência artificial com o uso de Biomarcadores Sanguíneosde rotina para identificação precoce do Câncer de Mama" e para o desenvolvimento do produto comercial advindodesta investigação científica, alinhando-se aos objetivos do Programa de Capacitação de Recursos Humanos. Osobjetivos traçados para essa Bolsa TT5 estão organizados em três categorias essenciais: 1. Infraestrutura deEngenharia de Dados: Realizar pré-processamento de dados, garantindo a qualidade e consistência deinformações clínicas complexas. Desenvolver modelos de IA para avaliação de risco de câncer de mama,explorando diferentes conjuntos de dados e técnicas. Conduzir os experimentos e utilizar ferramentas adequadaspara a interpretação dos modelos de Machine Learning. 2. Construção dos Pipelines: Contribuir para odesenvolvimento de sistemas robustos e escaláveis na Google Cloud Platform. Criar pipelines de transformaçãode dados reprodutíveis, facilitando a manutenção e colaboração da equipe técnica, seguindo boas práticas deprogramação em Python. Testar e implementar ferramentas de MLOps garantindo o versionamento de dados emodelos e garantir segurança nas adições de código à base de código existente. 3. Provas de Conceito (PoCs)com Clientes Comerciais: Comunicação com as equipes dos clientes e parceiros de pesquisa responsáveis pelacoleta, compreensão e compartilhamento de dados, bem como pela discussão dos resultados gerados. Gestão etransformação de dados clínicos e cadastrais, desde a limpeza e estruturação até a análise estatística eimplementação em modelos de Machine Learning para inferência do risco de carcinoma mamário para aspacientes. Apoiar a estratégia de comercialização da Huna, com foco em operadoras de saúde, visando àotimização do rastreamento do câncer de mama e à redução de custos.