Você está aqui: Página Inicial / Pós-Graduação / Informática / Temas de Pesquisa / Data Science em Saúde: inovações, modelos e aplicações usando Machine Learning e Deep Learning

Data Science em Saúde: inovações, modelos e aplicações usando Machine Learning e Deep Learning

Orientador: Prof. Dr. Marcelo Costa Oliveira / Co-orientador: Prof. Dr. Leonardo Medeiros

Descrição:

 

Vivemos a quarta revolução industrial proporcionada pela nova Era da Inteligência Artificial (IA). Dentre as técnicas de IA, Machine Learning e Deep Learning despontam como as técnicas mais importantes desta revolução.

Machine Learning (ML) pode ser definida como métodos ou modelos computacionais que utilizam a experiência (dados) para aumentar a performance ou realizar predições precisas. Estes métodos computacionais programáveis aprendem a partir de dados, sendo capazes de automatizar e melhorar o processo de predição. Modelos de prognóstico e preditivos com alta acurácia, confiabilidade e eficiência são vitais para o sucesso da aplicação de Machine Learning no auxílio ao diagnóstico médico. Na área de saúde, grandes bancos de dados (Big Data) estão sendo construídos diante da integração de dados clínicos, dados genéticos e com atributos extraídos das imagens médicas. 

Deep learning (DL) é uma classe de algoritmos de Machine Learning caracterizada pelo uso de redes neurais com várias camadas de neurônios matemáticos capazes de processar dados, compreender a fala humana e reconhecer objetos visualmente. Deep Learning representa o estado da arte em tarefas de Visão Computacional, envolvendo classificação, detecção e segmentação de objetos. 

Conforme descrito na matéria do Jornal Extra de Alagoas (https://bit.ly/2rkU8Wx), a análise de imagens médicas é uma ferramenta inestimável em medicina, pois é um componente crítico no diagnóstico e planejamento de tratamentos. Os resultados recentes dos algoritmos de DL e ML na área de saúde tem surpreendido até mesmo os médicos mais experientes, pois são capazes de auxiliar na detecção precoce de doenças, permitindo ao paciente um melhor tratamento e a até mesmo a cura. 

Embora uma série de algoritmos de Machine Learning e Deep Learning tenham sido propostos no campo da saúde e de análise de imagens médicas, o auxílio computadorizado ao diagnóstico continua sendo um problema complexo e desafiador. Os maiores desafios atuais da área são:

  •  Identificar e Segmentar doenças;
  • Classificar tumores quanto a sua malignidade;
  • Soluções de aumento de base de imagens em saúde para viabilizar o uso de  algoritmos de ML e DL;
  • Aplicar algoritmos de Machine Learning em grandes bases de dados para a predição de doenças;
  • Predição de doenças com alta acurácia; 

 

Referências: 

  1. Ian Goodfellow, Yoshua Bengio e Aaron Courville, "Deep Learning". MIT Press, 2016, disponível em http://www.deeplearningbook.org.
  2. François Chollet, "Deep Learning with Python". Ed. Manning, 2017.
  3. Deep Learning Book, disponível on line em Livro http://www.deeplearningbook.com.br. Data Science Academy
  4. Faceli K, Lorena AC, Gama J, Carvalho ACPd. Inteligência Artificial: