Mayara Martins Perroni

Graduanda em Informática Biomédica pela Universidade de São Paulo (USP), com foco em Machine Learning aplicado à saúde. Concluiu, em 2022, um Treinamento Técnico II FAPESP, no qual trabalhou na segmentação de imagens de tomografia computadorizada para o desenvolvimento de um software de realidade aumentada voltado a procedimentos cirúrgicos. De 2023 a 2024, participou do projeto PRECARE-ML (Prevenção de Eventos Cardiovasculares Adversos Maiores) como bolsista de iniciação científica PUB, aplicando o modelo OMOP-CDM da OHDSI para a organização de coortes clínicas e o desenvolvimento de modelos de aprendizado de máquina. Durante o projeto, contribuiu para a padronização de vocabulários médicos e desenvolveu soluções para evitar o overfitting local, colaborando com a generalização dos modelos para diferentes populações.No Trabalho de Conclusão de Curso (TCC), aplicou técnicas de aprendizado de máquina para a estruturação de campos de texto livre em prontuários eletrônicos de saúde. O projeto envolveu o uso de modelos de processamento de linguagem natural (NLP) para a extração e padronização de informações clínicas relevantes, como fatores de risco (tabagismo, etilismo e obesidade) e sintomas descritos de forma não estruturada nos prontuários. Foram testadas abordagens como Modelos de Linguagem de Grande Escala (LLMs) para capturar nuances e contextos complexos dos textos, além de técnicas clássicas como o TF-IDF para tokenização e vetorização dos textos. Essa combinação permitiu a criação de um pipeline automatizado para processar esses campos e incorporá-los em modelos preditivos de aprendizado de máquina, aumentando a precisão das previsões de MACE em diferentes contextos clínicos. (Fonte: Currículo Lattes)