| 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 |
| Município: | São Paulo |
| Auxílio(s) vinculado(s): | 21/15014-3 - Sistema de gestão da epilepsia, AP.PIPE |
| Bolsa(s) vinculada(s): | 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 itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |