PRÉ LANÇAMENTO – CIÊNCIA DE DADOS E A INTELIGÊNCIA ARTIFICIAL NA ÁREA DA SAÚDE (2º Semestre 2021)

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.

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.

Ana Claudia Pinto possui doutorado em Medicina (Neuroendocrinologia) pela Universidade Federal de São Paulo (UNIFESP), MBA Executivo IBMEC SP, Qualidade de vida no trabalho pela FIA / Universidade de São Paulo (USP), MBA Executivo no INSPER e Digital Strategy for Business pela Columbia Business School Executive Education. Possui mais de 20 anos de experiência no mercado de saúde em empresas brasileiras e multinacionais, com foco em oferecer a melhor qualidade de assistência médica, priorizando a experiência do usuário, coordenação de atendimento com a pessoa no centro do atendimento, bem como a sustentabilidade dos custos. Possui experiência com análise de dados, aplicando técnicas de modelagem preditiva e aprendizado de máquina para trabalhar com grandes quantidades de dados de várias fontes, para serem adequadamente analisados ​​e integrados ao atendimento clínico.

Fabio Augusto Faria possui graduação em Ciência da Computação (UNESP, 2007), Mestrado em Ciência da Computação (UNICAMP, 2010) e Doutorado (UNICAMP, 2014). Foi Pesquisador Visitante na University of South Florida, Tampa/Florida (04/2012 — 04/2013) sob a orientação do Prof. Dr. Sudeep Sarkar. De 03/2014 a 03/2015, realizou pós-doutoramento no Instituto de Computação da Universidade de Campinas sob a supervisão do professor Dr. Ricardo Torres dentre 2014-2015. Atualmente é Professor Adjunto no Instituto de Ciência e Tecnologia da Universidade Federal de São Paulo, coordenador do Grupo de Robótica FORGERS e membro do Grupo de Inovação baseada em Imagens e Sinais (GIBIS). As áreas de pesquisas de maior interesse são Aprendizagem de Máquina, Processamento de Imagens, Mineração de Dados e Fusão de Informação.

Fábio Augusto Menocci Cappabianco é formado em engenharia de computação pelo Instituto de Computação Universidade Estadual de Campinas. Obteve seu mestrado e doutorado em ciência da computação também pelo Instituto de Computação da Universidade Estadual de Campinas, com doutorado sanduíche pelo Departamento de Radiologia da Universidade da Pensilvânia, EUA. Tem atuado desde 2010, como docente e pesquisador pela Universidade Federal de São Paulo com pesquisa nas áreas de desenvolvimento de arquiteturas de hardware com foco em FPGAs e no processamento e análise de imagens, com foco em imagens médicas. Desde 2018, atua na posição de professor associado. Trabalhou em seu doutorado com imagens de ressonância magnética do cérebro, desenvolvendo aplicativos para segmentação e filtragem de imagens.

Felipe Mancini é professor adjunto da Universidade Federal de São Paulo (UNIFESP) desde 2013, atuando na secretaria de educação a distância – campus Reitoria, e no programa de pós-graduação em gestão e informática em saúde – campus São Paulo. É doutor e mestre em informática em saúde pelo programa de pós-graduação de gestão e informática em saúde da UNIFESP. Possui graduação em ciências da computação pelo Centro Universitário São Camilo. Consultor em ciências de dados, possui experiência na construção de sistemas preditivos e sistemas de apoio a decisão em saúde.

Gustavo Carneiro is professor of the School of Computer Science at the University of Adelaide and the Director of Medical Machine Learning at the Australian Institute of Machine Learning. He joined the University of Adelaide as a senior lecturer in 2011, has become an associate professor in 2015 and a professor in 2019. In 2014 and 2019, he joined the Technical University of Munich as a visiting professor and a Humboldt fellow. From 2008 to 2011 Dr. Carneiro was a Marie Curie IIF fellow and a visiting assistant professor at the Instituto Superior Técnico (Lisbon, Portugal) within the Carnegie Mellon University-Portugal program (CMU-Portugal). From 2006 to 2008, Dr. Carneiro was a research scientist at Siemens Corporate Research in Princeton, USA. In 2005, he was a post-doctoral fellow at the the University of British Columbia and at the University of California San Diego. Dr. Carneiro received his Ph.D. in computer science from the University of Toronto in 2004. His main research interests are in the fields of computer vision, medical image analysis and machine learning.

Luciano Rodrigo Lopes é biomédico com doutorado em microbiologia e imunologia pela Escola Paulista de Medicina (EPM) da Universidade Federal de São Paulo – UNIFESP (2017) e mestre em ciências pela Faculdade de Medicina da Universidade de São Paulo (USP) (2009). Experiência de seis anos como docente, pelo Centro Universitário das Faculdades Metropolitanas Unidas – FMU. Experiência na área de bioinformática e biologia evolutiva ao atuar como biomédico pela Unifesp desde 2008. Atividade docente em disciplinas na área de bioinformática também pela Unifesp. Especialista em Informática em Saúde pela UNIFESP e docência na área da saúde pelo Colégio Brasileiro de Estudos Sistêmicos (CBES).

Margarethe Born Steinberger-Elias é professora associada da Universidade Federal do ABC (UFABC). Doutora em Comunicação e Semiótica pela Pontifícia Universidade Católica de São Paulo (PUC-SP), Estudos Avançados em Linguística na Universidade Estadual de Campinas (Unicamp) e na Freie Universität Berlin (FUB), Alemanha. Graduação e Mestrado em Letras-Linguística pela Pontifícia Universidade Católica do Rio de Janeiro (PUC-RJ). Tem experiência em Análise de Discurso, Semiótica, Linguística de Corpus e Processamento de línguas naturais (PLN) voltados à descrição semântica da língua portuguesa a partir de corpora de textos científicos e jornalísticos. Tem interesse pela pesquisa lexical aplicada a domínios semânticos para disseminação da informação educacional e científica no Brasil. Foi Professora de Linguística e Comunicação da PUC-RJ (1974-1985), da PUC-SP (1985-2006) e da FUB (1991-1996). 

Paulo Celso Budri Freire possui graduação em Medicina pela Escola Paulista de Medicina. Graduação em Biologia pelo Instituto de Biociências da Universidade de São Paulo. Mestrado em Biomedicina pela Faculdade de Engenharia Elétrica da Universidade Estadual de Campinas. Especialização em Dermatologia pela Escola Paulista de Medicina – Universidade Federal de São Paulo. Doutorado em Medicina pela Escola Paulista de Medicina – Universidade Federal de São Paulo. Pós-Doutorado em Medicina (2019-2020) pela Escola Paulista de Medicina, MBA em Gestão da Inovação em Saúde – Instituto Butantan (2019-2020). Sócio da empresa Occam Prestação de Serviços S/S Ltda e médico do Departamento de Informática em Saúde da Escola Paulista de Medicina – Universidade Federal de São Paulo. Experiência na área de medicina (dermatologia) e startups na saúde: software médico, análise de banco de dados, farmacoterapia, e medicina baseada em evidências.

Priscyla Waleska Targino de Azevedo Simões é professora adjunta da área de Informática Biomédica no Curso de Engenharia Biomédica, e no Programa de Pós-graduação em Engenharia Biomédica (orientadora permanente) da Universidade Federal do ABC (UFABC). Possui doutorado em Ciências da Saúde (2012) pela Universidade do Extremo Sul Catarinense (UNESC), na área de Epidemiologia; Mestrado em Ciência da Computação (2001) pela Universidade Federal de Santa Catarina (UFSC), na área de Inteligência Artificial; e graduação em Ciência da Computação (1997), pela Universidade do Vale do Itajaí (UNIVALI). Atua principalmente na orientação e desenvolvimento de projetos associados à Informática Biomédica (Saúde Digital, Telemedicina e Telessaúde), Inteligência Artificial, Epidemiologia em Serviços de Saúde, Revisões Sistemáticas (Prática Baseada em Evidências) e Avaliações de Tecnologias em Saúde; aplicados ao desenvolvimento de estratégias de Apoio ao Diagnóstico e Prevenção na Atenção Básica.

Ricardo Suyama possui graduação, mestrado e doutorado em Engenharia Elétrica pela UNICAMP. Atualmente é professor associado na Universidade Federal do ABC (UFABC), onde já atuou na coordenação do curso de graduação em engenharia de informação (2011-2015). É bolsista de produtividade em pesquisa do CNPq nível 2. Seus temas de pesquisa concentram-se nas áreas de processamento digital de sinais, atuando principalmente nas áreas de processamento não supervisionado de sinais, filtragem adaptativa, sistemas dinâmicos/caos e Inteligência Computacional.

 

 

Avaliações

Não há avaliações ainda.

Seja o primeiro a avaliar “PRÉ LANÇAMENTO – CIÊNCIA DE DADOS E A INTELIGÊNCIA ARTIFICIAL NA ÁREA DA SAÚDE (2º Semestre 2021)”

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

Menu