Uma plataforma de Inteligência Artificial para predição de severidade da covid-19 que oferece suporte à pesquisa e apoio à decisão médica no uso de recursos hospitalares, na triagem de pacientes e na escolha de alvos de tratamento. 

Versão Beta disponível para pesquisadores convidados 

SimIAn logo rpovisória.png

COVID-19

 

Uma plataforma. Várias funcionalidades.

Versão Beta disponível para pesquisadores convidados 

Inteligência Artificial contra a covid-19

Com o avanço da pandemia do SarsCov-2 e a aparição de variantes do vírus, torna-se necessária a concentração de esforços em diferentes frentes para combater o avanço da doença e lidar da forma mais eficiente possível com a crise sanitária. O resultado dessa preocupação é a plataforma SimIAn: Covid-19, uma estrutura de inteligência artificial (IA), com recursos de análise preditiva aplicados a dados reais de pacientes para fornecer suporte rápido à tomada de decisões clínicas. Com ela, será possível identificar através de modelos de aprendizagem de máquina qual o impacto das variáveis clínicas e laboratoriais de pacientes da COVID-19 na severidade da doença e desenvolver modelos de IA para prever o desenvolvimento da doença em pacientes recentemente diagnosticados, de modo que tratamentos com alvos mais precisos possam ser realizados para o melhoramento do prognóstico. Além disso, será implementado um ambiente de simulação, onde os profissionais de saúde possam não só realizar estudos sobre a doença, como também utilizar o software resultante como ferramenta computacional de cabeceira em ambientes de internação com vistas a aperfeiçoar tratamentos. Como consequência do uso da ferramenta.

 

Pretende-se que os modelos de aprendizagem de máquina construídos sejam capazes de predizer os pacientes que demandam mais recursos hospitalares, em especial de ventilação mecânica, de modo que a tomada de decisão quanto à prioridade no uso de equipamentos possa ter suporte científico. Os resultados preliminares com uso de um protótipo já desenvolvido indicam que os índices laboratoriais: LYM (contagem de linfócitos); ALB (medição de albumina); e PaO2 /FiO2 (pressão parcial de oxigênio no sangue arterial dividido pela fração de oxigênio inspirado) têm forte influência nas chances de uso de ventilador mecânico. Da mesma forma, um modelo preditivo obtido pelo algoritmo árvore de decisão C4.5 indica que pacientes com idade acima de 56 anos têm uma probabilidade de necessitar do ventilador mecânico bem superior àqueles pacientes com idade de 56 ou menos. A capacidade da medicina laboratorial em fornecer assistência médica mais segura e eficaz exige uma avaliação mais cuidadosa, não apenas das características analíticas, mas também de outras variáveis que possam afetar a utilidade clínica e o desempenho diagnóstico dos testes laboratoriais, permitindo uma interpretação e utilização mais precisa de informações de laboratório. A aplicação é baseada em modelo elaborado para predição de saúde neonatal, que pode ser visto abaixo.

O projeto conta com uma plataforma de computação de alto desempenho, da ordem de petaflops, sem precedentes na história científica brasileira, visto que tanto a startup, como os pesquisadores vinculados à proposta estão direta ou indiretamente vinculados ao Laboratório Nacional de Computação Científica, instituição que sedia o maior supercomputador dedicado à pesquisa científica no Brasil.  Neste sentido, o desenvolvimento deste projeto também contribui para extrair um máximo de resultados de um significativo investimento do Estado Brasileiro em Ciência, Tecnologia e Inovação, se convertendo num importante legado no momento em que finalmente o país superar a pandemia do covid-19.

Publicações

 
 

Equipe

Coordenador do projeto

Fabio Cerqueira.jpg

Fabio Cerqueira

  • Branca Ícone LinkedIn
Plataforma Lattes

Pesquisadores Associados

Eduardo Krempser.jpg

Eduardo Krempser

  • Branca Ícone LinkedIn
Plataforma Lattes
Lucimar Cunha.jpg

Lucimar Cunha

  • Branca Ícone LinkedIn
Plataforma Lattes
Hugo Queiroz.jpg

Hugo Queiroz

  • Branca Ícone LinkedIn
Plataforma Lattes
Caio Rocha.jpeg

Caio Rocha

  • Branca Ícone LinkedIn
Plataforma Lattes
Bruno Guingo.jpg

Bruno Guingo

  • Branca Ícone LinkedIn
Plataforma Lattes

Colaboradores externos e bolsistas Faperj

Marlon Ibraim

Marlon Ibraim

  • Branca Ícone LinkedIn
Plataforma Lattes

Financiamento:

logo-faperj-site.jpg

Apoio:

logo_lncc.png
incubadora_lncc.png