Previsão de Pressão Arterial Utilizando Métodos de Aprendizado de Máquina

• Processo: 25/08234-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2025
• Data de Término da vigência: 31 de outubro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Petra Maria Bartmeyer
• Beneficiário: Tiago Almeida Zanetti
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Aprendizado computacional Modelos matemáticos
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Medicina Personalizada | modelagem matematica | Aprendizado de Máquina em Medicina

Resumo

Este projeto propõe o desenvolvimento de um modelo de aprendizado de máquina para previsão contínua e não invasiva da pressão arterial em indivíduos com lesão medular, utilizando sinais multivariados obtidos por sensores vestíveis. Para isso, serão consolidadas bases de dados de macacos e de humanos com lesão medular, aplicando-se técnicas de pré¿processamento (filtragem de intervalos comuns, remoção de outliers e time warping) e de feature engineering. Inicialmente, será estabelecido um modelo baseline com k-Nearest Neighbors adaptado a séries temporais; em seguida, explorarão¿se arquiteturas avançadas, como LSTM, para capturar padrões espectro¿temporais. A otimização de hiperparâmetros será feita via grid search ou métodos bayesianos, e o desempenho avaliado por métricas de regressão (RMSE, MRE e R²). Espera¿se oferecer uma alternativa acessível e precisa aos métodos convencionais de aferição, com potencial de integração em smartwatches e aplicativos de saúde, beneficiando não apenas pacientes com lesão medular, mas ampliando as opções de monitoramento contínuo no cuidado à saúde.