shutterstock_644215294-_v2.jpg

LABDAPS

LABORATÓRIO DE BIG DATA E ANÁLISE PREDITIVA EM SAÚDE

Laboratório da Faculdade de Saúde Pública da Universidade de São Paulo que desenvolve algoritmos de inteligência artificial (machine learning) para melhorar decisões em saúde.

 

PUBLICAÇÕES

 

CAUSE-SPECIFIC MORTALITY PREDICTION IN OLDER RESIDENTS OF SÃO PAULO, BRAZIL: A MACHINE LEARNING APPROACH

graph 2.png

O artigo utilizou algoritmos de machine learning para predizer a causa básica de óbito de uma amostra representativa de idosos do Município de São Paulo, acompanhados desde o ano 2000.

Acesse a publicação

PESQUISAS EM ANDAMENTO

AICOV-BR: ARTIFICIAL INTELLIGENCE FOR THE DIAGNOSIS AND PROGNOSIS OF COVID-19 IN A MULTICENTRE STUDY OF THE FIVE REGIONS OF BRAZIL

Image by Jon Tyson

Providing an early risk of COVID-19 diagnosis can help to identify priorities for receiving RT-PCR diagnostic tests and the need for isolation and preventive measures until the result of the test is received. Also, establishing prognostic risk scores for severe outcomes in patients with COVID-19 can assist medical staff and health managers in making decisions about clinical interventions and the allocation of resources. This proposal will develop and validate machine learning algorithms for the diagnosis and prognosis of COVID-19 using routinely-collected data from hospitals. The study will test the predictive performance of the most popular machine learning algorithms for structured data using metrics such as positive and negative predictive value, sensitivity, specificity and area under the ROC curve. This will be the first machine learning study to develop and validate the performance of predictive algorithms in all Brazilian regions. The final goal of the project is to perform a randomized clinical trial of the algorithms to test their effectiveness in improving the clinical evolution of COVID-19 patients.
Financiamento: Microsoft.
Edital: Microsoft AI for Health COVID-19 Grant.

INTELIGÊNCIA ARTIFICIAL PARA DECISÕES CLÍNICAS E ADMINISTRATIVAS DURANTE A PANDEMIA DE COVID-19

Image by Vince Gx

Trata-se de um estudo retrospectivo de pacientes atendidos nos hospitais participantes da rede com suspeita de COVID-19. O período analisado será desde a primeira realização de um exame de COVID-19 a partir de 17 de março de 2020 até o dado mais recente disponível no momento da aplicação dos algoritmos. Todos os dados identificadores dos pacientes serão excluídos antes do recebimento dos dados, seguindo as boas práticas adotadas na instituição.

As variáveis preditoras para treinar os algoritmos serão todas aquelas coletadas rotineiramente pelos hospitais e disponíveis para análise, principalmente os resultados do hemograma completo (como leucócitos, eosinófilos, basófilos, linfócitos, monócitos, plaquetas, proteína C-reativa, hemácias, hemoglobinas, CHCM, HCM, RDW e VCM), sexo e idade. Caso seja possível, também serão incluídas outras variáveis como sinais vitais e data de início dos sintomas.

Financiamento: CNPq.

Edital: Pesquisas para o enfrentamento da COVID-19, suas consequências e outras síndromes respiratórias agudas graves.

 
PESQUISADORES
alex2.jpg

ALEXANDRE DIAS PORTO CHIAVEGATTO FILHO

Diretor

andre2.jpg

ANDRÉ FILIPE DE MORAES BATISTA

Pós-doutorando

roberta2.JPG

ROBERTA MOREIRA WICHMANN

Pós-doutoranda

 
FSP-fachada-177-11-Fto-Francisco-Emolo-0

HISTÓRIA

O LABDAPS - Laboratório de Big Data e Análise Preditiva em Saúde, da Faculdade de Saúde Pública da USP, foi fundado no início de 2017 com o objetivo de desenvolver pesquisas que auxiliem na melhoria da atenção à saúde no Brasil.

 

Os pesquisadores do laboratório trabalham na aplicação e no desenvolvimento de métodos de inteligência artificial (machine learning) a problemas importantes da área da saúde, como a análise de impacto de políticas públicas de saúde, a melhoria da qualidade da informação de saúde e a predição da ocorrência de doenças e óbitos.

 

APOIADORES

CNPq.jpg
Fapesp.png
Lemann.png
Microsoft.png