Sistema de Gestão da Epilepsia

Processo:	21/11754-2
Modalidade de apoio:	Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
Data de Início da vigência:	01 de março de 2022
Data de Término da vigência:	31 de agosto de 2026
Área do conhecimento:	Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Acordo de Cooperação:	SEBRAE-SP

Pesquisador responsável:	Hilda Alicia Gomez
Beneficiário:	Hilda Alicia Gomez


Empresa:	Gomez & Gomez Ltda. - ME
CNAE:	Desenvolvimento e licenciamento de programas de computador não-customizáveis Pesquisa e desenvolvimento experimental em ciências físicas e naturais

Auxílio(s) vinculado(s):	21/15014-3 - Sistema de gestão da epilepsia, AP.PIPE
Bolsa(s) vinculada(s):	25/18026-3 - Desenvolvimento de modelo de IA para o sistema Epistemic (App e Web), BP.TT 23/18167-0 - Projeto do aplicativo mobile (Epistemic App) e plataforma para médicos (Epistemic web), BP.TT 23/03491-7 - Desenvolvimento de modelo de IA para o sistema Epistemic (App e Web), BP.TT 22/09002-5 - Sistema de Gestão da Epilepsia, BP.TT

Assunto(s):	Aprendizado computacional Ciência de dados Análise de dados Coleta de dados Aplicativos móveis Epilepsia Sinais e sintomas Hábitos Tratamento de doenças
Palavra(s)-Chave do Pesquisador:	Análise de Dados \| aplicativo celular \| Data Science \| epilepsia \| Previsão de crises epilépticas \| Análise de Dados

Resumo

Nossa proposta consiste na coleta e análise de uma série de dados sobre o dia-a-dia de pelo menos 100 pacientes com epilepsia, suas crises e dados relacionados a elas, seus hábitos e sintomas para tirar conclusões de como certas práticas podem influenciar piorando ou melhorando a quantidade e intensidade das crises. Além disso queremos poder calcular a probabilidade de um paciente poder ter uma crise num determinado dia dada a periodicidade de determinadas características de sua vida. O objetivo é criar inteligência para que nosso aplicativo, que hoje somente colhe informação útil para o tratamento médico, possa ser um gestor de epilepsia, ou seja, que ele possa dar sugestões ao paciente diariamente para que este tome ações que farão diminuir o seu número de crises e também proporcionar ao paciente a informação da probabilidade de ele ter uma crise naquele dia e horário. Para isso implementaremos algoritmos de machine learning, treinados por paciente, e previamente testados com os 100 pacientes do nosso experimento. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:

Mais itens Menos itens

TITULO

Matéria(s) publicada(s) em Outras Mídias ( ):

Mais itens Menos itens

VEICULO: TITULO (DATA)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ARISTIDES, RAUL P.; CERDEIRA, HILDA A.. Master stability functions of networks of Izhikevich neurons. PHYSICAL REVIEW E, v. 109, n. 4, p. 13-pg., 2024-04-26. (21/11754-2, 21/14335-0)

ARISTIDES, RAUL P.; CERDEIRA, HILDA A.; MASOLLER, CRISTINA; TIRABASSI, GIULIO. Inferring the connectivity of coupled oscillators from event timing analysis. CHAOS SOLITONS & FRACTALS, v. 182, p. 10-pg., 2024-04-17. (21/11754-2, 21/14335-0)

URL curto