E book – CIÊNCIA DE DADOS E A INTELIGÊNCIA ARTIFICIAL NA ÁREA DA SAÚDE

R$95,00

Categoria:

Descrição

Um grupo de 13 pesquisadores das áreas de saúde digital e inteligência artificial se uniram para produzir um livro que permita ser a “porta de entrada” do leitor para os processos envolvendo a aquisição e interpretação dos diversos tipos de dados oriundos da área de saúde. O objetivo é que esse leitor tenha uma noção clara de como analisá-los utilizando ferramentas baseadas em algoritmos inteligentes. O livro foi escrito pensando no público de gestores nas áreas de saúde, tecnologia da informação (TI), etc. e de alunos de graduação e pós-graduação que desejam entender as perspectivas da união dessas áreas. Além, é claro, do público em geral que se interessa por informações técnicas relacionadas a ciência de dados, inteligência artificial, inovação e tecnologia em saúde. O livro está dividido em dez capítulos. Na primeira parte do livro existem quatro capítulos que buscam apresentar a temática ao leitor. Na segunda parte, existem quatro capítulos, onde são aprofundadas aplicações específicas relacionadas à temática do livro. A terceira parte do livro foi dividida em dois capítulos, onde são discutidos os impactos das aplicações das soluções relacionadas à temática, junto ao mercado e aos profissionais de saúde.

 

No primeiro capítulo são discutidos conceitos relacionados à Health Data Science e suas duas subáreas: dados clínicos e dados de comportamento e sentimento do paciente. Além disso, são apresentadas informações sobre Health Analytics e Data Analytics com seus quatro tipos de análise de dados: descriptive analytics, diagnostic analytics, predictive analytics e prescriptive analytics.

No segundo são apresentadas noções gerais sobre Inteligência Artificial (IA) citando suas principais subáreas. São apresentados, de forma breve, os conceitos envolvendo machine learning (ML), aprendizado supervisionado, árvore de decisão, support vector machine, redes neurais, algoritmo k-vizinhos mais próximos, entre outros.

No capítulo três é abordada a inferência bayesiana. Ela possibilita a criação de modelos para uso efetivo de observações no tratamento de cenários com incertezas, sendo importante para o pensamento clínico por aleatoriedade para criação e entendimento de diversos algoritmos de IA. No quatro é discutido o processo para avaliação de sistemas preditivos em saúde (SPS) e descrita as estatísticas utilizadas como indicadores de desempenho, bem como métodos e estratégias para avaliação.

No capítulo cinco são descritas as categorias da IA (narrow AI e Artificial General Intelligence) e são listadas as dezesseis principais razões do seu uso na área de medicina. Também são apresentados os marcos históricos e exemplos de uso prático nessa área.

No sexto capítulo são apresentados os sistemas de apoio a diagnósticos (do inglês Computer-aided Diagnoses – CAD). Esses sistemas estão relacionados aos processos, modelos ou ferramentas computacionais que assistem os especialistas por meio do uso de técnicas de banco de dados, processamento de imagens e IA aplicadas a diferentes modalidades de dados.

No sétimo são apresentadas soluções envolvendo o Processamento de Linguagem Natural (PLN) ou linguística computacional na produção e recepção de textos em biomedicina e saúde. As ações estão relacionadas à busca de recursos de acesso e triagem de informações em saúde voltadas para extração de informação, mineração de textos, sumarização, processamento multimídia, sistemas multilíngues, sistemas de diálogo e assistentes virtuais de conversação.

No capítulo oito são apresentadas informações do emprego de IA na área de análises genômicas. Essa área vem ganhando espaço devido ao seu potencial para tratamento e prevenção de doenças, levando em consideração a variabilidade individual genética e estilo de vida de cada pessoa.

No nono capítulo são apresentados casos baseados em real world evidence, em português, “evidência do mundo real”. Esse termo é usado para descrever descobertas de pesquisas com dados coletados fora dos ensaios clínicos padrões. Serão três cases focados na criação de valor para o indivíduo, para o negócio saúde e para a sociedade.

Por fim, no capítulo dez é discutida a questão da construção do conhecimento baseado em IA. A mesma não irá tomar o lugar do profissional de saúde, mas sim, ajudá-lo como ferramenta de apoio para o diagnóstico, tratamento e cuidado, reduzindo consideravelmente, o custo da saúde e a mortalidade humana.

 

Autores

Antonio Valerio Netto é pós-doutor em biotelemetria e telemedicina pelo Instituto de Ensino e Pesquisa do Hospital Sírio Libanês. Doutor em computação e matemática computacional pela USP na área de Health Data Science. Possui MBA em Marketing pela FUNDACE (FEA-RP/USP). É técnico em informática pela ETEP, Bacharel em computação pela Universidade Federal de São Carlos (UFSCar) e mestre em engenharia pela USP. Em 2001 foi pesquisador visitante na school of optometry da Indiana University (EUA). Entre 2019 a 2021 foi professor visitante na área de health data science e telemedicina na Escola Paulista de Medicina (EPM/UNIFESP). Possui mais de 100 publicações entre livros, capítulos de livros, revistas e congressos internacionais e nacionais nas áreas de computação e engenharia. Possui oito pedidos de patentes e seis registros de marcas. Coordenou em torno de 15 projetos tecnológicos financiados pela FINEP, CNPq, FAPESP e empresas privadas nos últimos anos. Desde 2011 é pesquisador bolsista do CNPq em Desenvolvimento Tecnológico e Extensão Inovadora (DT).

Lilian Berton é professora adjunto no Instituto de Ciência e Tecnologia da Universidade Federal de São Paulo (UNIFESP) desde 2017. Realizou seu pós-doutorado pela Universidade do Estado de Santa Catarina (UDESC) entre 2016 e 2017. É doutora e mestre em Ciências da Computação e Matemática Computacional pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC/USP). Possui duas graduações, análise de sistemas e matemática, ambas pela Universidade Estadual do Centro-Oeste (UNICENTRO/PR). Tem experiência em aprendizado de máquina e redes complexas, principalmente nos seguintes tópicos: classificação e agrupamento de dados, aprendizado semi-supervisionado baseado em grafos, construção de redes, seleção e propagação de rótulos e medidas de centralidade.

André Kazuo Takahata é docente no curso de Engenharia de Informação na Universidade Federal do ABC (UFABC) desde 2016. Realizou dois pós-doutorados: o primeiro na UNICAMP com a parceria da Petrobrás entre 2014 e 2015 e o segundo na UFABC em 2016. Possui doutorado em Engenharia Elétrica pela UNICAMP (2014). Também possui mestrado e graduação em Engenharia Elétrica pela UNICAMP. Durante o seu doutorado realizou estágio no exterior na University of Oslo na Noruega por meio do Programa Institucional de Bolsas de Doutorado Sanduíche no Exterior (PDSE) pela CAPES. Foi sócio fundador da startup DSPGeo (2014-2015) e engenheiro de software no Instituto de Pesquisas Eldorado. É revisor do journal of research on biomedical engineering.

Sinopse

Descrição

Avaliações

Não há avaliações ainda.

Seja o primeiro a avaliar “E book – CIÊNCIA DE DADOS E A INTELIGÊNCIA ARTIFICIAL NA ÁREA DA SAÚDE”

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Menu