Busca avançada
Ano de início
Entree

Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio a decisão clínica (MIVisBD)

Processo: 16/17078-0
Linha de fomento:Auxílio à Pesquisa - Temático
Vigência: 01 de setembro de 2017 - 31 de agosto de 2022
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Agma Juci Machado Traina
Beneficiário:Agma Juci Machado Traina
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos, SP, Brasil
Pesquisadores principais:Caetano Traina Junior ; Marco Antonio Gutierrez ; Paulo Mazzoncini de Azevedo Marques
Pesq. associados:André Guilherme Ribeiro Balan ; Christos Faloutsos ; Eneida A. Mendonça ; Fabio Antero Pires ; Joaquim Cezar Felipe ; Joe Tekli ; José Eduardo Krieger ; José Fernando Rodrigues Júnior ; Juan P. Casas ; Marcel Koenigkam Santos ; Marcela Xavier Ribeiro ; Marcello Henrique Nogueira Barbosa ; Marina de Fátima de Sá Rebelo ; Ramon Alfredo Moreno ; Rangaraj Mandayam Rangayyan ; Renato Bueno ; Richard Chbeir ; Robson Leonardo Ferreira Cordeiro ; Sameer Antani ; Solange Oliveira Rezende ; Thomas Martin Deserno ; Umberto Tachinardi
Auxílios(s) vinculado(s):18/07765-6 - Visão computacional e reconhecimento de padrão para identificação de biomarcadores radiômicos, AV.EXT
Bolsa(s) vinculada(s):17/23780-2 - Recuperação por conteúdo de imagens médicas para apoio a decisão clínica usando a abordagem radiômica, BP.DR
18/11424-0 - Criação de uma infraestrutura de armazém de dados para análise visual voltada à saúde, BP.TT
18/06074-0 - Content-based IMAGE Retrieval using Selective visual Attention, BP.PD
+ mais bolsas vinculadas 18/06228-7 - Detecção de padrões e anomalias em dados médicos usando Modelagem Matemática, BP.PD
17/24407-3 - Criação de uma infraestrutura de banco de dados para auxiliar estudos de radiômica, BP.TT
17/21512-0 - Avaliação de técnicas de junção por similaridade em fluxos de dados: estudo de caso na análise financeira, BP.IC - menos bolsas vinculadas
Assunto(s):Bases de dados  Big data  Mineração de dados  Consultas por similaridade  Processamento de imagens  Tomada de decisão  Registros médicos  Sistemas computadorizados de registros médicos 

Resumo

Hoje, quase todas as atividades humanas geram e/ou demandam armazenar e processar conjuntos de dados cada vez maiores, que muitas vezes são diversos e complexos. Esse cenário de crescimento vertiginoso, que ocorre tanto no meio científico, acadêmico, empresarial e até mesmo nas atividades de lazer, demanda novos métodos eficientes para organização e acesso. Tal cenário está sendo chamado como a "era do big data". Atividades e sistemas relacionados à saúde estão no centro desse cenário, pois produzem grandes quantidades de dados diversificados e complexos. É importante que avancemos tecnologicamente, de modo a nos beneficiarmos desse volume de dados para ampliar o conhecimento das áreas, de modo, por exemplo, a apoiar o processo de tomada de decisão. Esse apoio à decisão em sistemas complexos está cada vez mais orientado pelas informações extraídas e o que se aprende desses grandes volumes de dados. Em um ambiente clínico, os Registros Eletrônicos dos Pacientes (REP) constituem uma plataforma propícia ao desenvolvimento de estratégias para extração de informações dos pacientes, seus perfis e mesmo de grupos que possuem uma mesma casuística. Neste projeto, pretende-se integrar suportes inovadores de bancos de dados, processamento de imagens e métodos de análise visuais de dados com base em REPs e repositórios de dados clínicos para reunir informações valiosas e significativas para a tomada de decisões que apoiem o diagnóstico e tratamento de pacientes. O tamanho e a complexidade das bases de dados de REPs oferecem grandes desafios de processamento, tanto em termos de desenvolvimento e aplicação de técnicas de análise e de extração de conhecimento, quanto ao apoio ao desenvolvimento de ferramentas práticas para uso clínico. No entanto, também incorporam uma infinidade de oportunidades para criar algoritmos e métodos capazes de exibir informações relevantes relacionadas com um paciente particular ou grupos de pacientes, que estariam usualmente ocultas pelo grande volume de dados. Além disso, uma manipulação eficiente desses dados possui alto potencial para tornar os REPs em uma plataforma mais eficaz para apoiar os profissionais de saúde, lidando com aplicações médicas de rápida demanda bem como decisões governamentais estratégicas em saúde. Neste projeto iremos desenvolver métodos e algoritmos que serão materializados em uma plataforma modular a ser disponibilizada para a comunidade da área, apoiando o cotidiano da tomada de decisões em sistemas de saúde. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Pós-doutorado em ciência da computação com Bolsa da FAPESP