Twitter
Google plus
Facebook
Vimeo
Pinterest
+39 02 87 21 43 19

Fluid Edge Themes

Diretora do HEF tem artigo publicado em revista científica britânica Nature

Ana Brito, diretora administrativa do Hospital Estadual de Formosa: "Privilégio fazer parte dessa conquista"

Pesquisa visa identificar a estratégia que maximiza o desempenho antecipado de identificação do risco de morte por covid-19

Ana Brito, diretora administrativa do Hospital Estadual de Formosa: "Privilégio fazer parte dessa conquista"

Com o título Improving the performance of machine learning algorithms for health outcomes predictions in multicentric cohorts, a diretora administrativa do Hospital Estadual de Formosa (HEF), Ana Brito, foi reconhecida pela sua contribuição científica nos estudos da revista Nature. A revista é um veículo interdisciplinar britânico e foi classificada como a revista mais citada no mundo com um público on-line de 3 milhões ao mês.

A diretora faz parte da gestão do Instituto de Medicina, Estudos e Desenvolvimento – IMED, que além do HEF gere as unidades do Centro-Norte Goiano (HCN) e Trindade (Hetrin), unidades da Secretaria de Saúde de Goiás. “Um privilégio fazer parte dessa conquista. Agradeço a todos que fizeram parte desse projeto”, ressalta Ana Brito, diretora do HEF.

O trabalho desenvolvido na Nature foi apoiado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e pela rede Inteligência Artificial para Covid-19 no Brasil (IACOV-BR), um projeto que desenvolve algoritmos de inteligência artificial (machine learning) para antecipar o diagnóstico e o prognóstico de covid-19, com base em dados colhidos nas regiões brasileiras.

Os algoritmos de aprendizado de máquina estão sendo cada vez mais usados ​​em ambientes de saúde, mas sua generalização entre diferentes regiões ainda é desconhecida. Dessa forma, o estudo científico desenvolvido por Roberta Wichmann, Fernando Fernandes, Alexandre Chiavegatto Filho e IACOV-BR visa identificar a estratégia que maximiza o desempenho antecipado de identificação do risco de morte por covid-19 em diferentes regiões do Brasil.

A pesquisa descobriu que as diferentes estratégias para seleção de dados de treinamento foram capazes de prever a mortalidade por covid-19 com bom desempenho geral, utilizando apenas dados coletados rotineiramente. Nesse sentido, a melhor estratégia geral foi treinar e testar usando apenas os dados do hospital de referência, alcançando o maior desempenho antecipado em 11 dos 18 hospitais diferentes.

Aprendizado de máquina

O aprendizado de máquina (machine learning), de acordo com o Prof. Éliton Fontana (UFPR), é um termo geral utilizado para definir uma série de algoritmos que extraem informação a partir de um conjunto de dados, sem ser necessário definir um modelo matemático específico, a partir de um conjunto de dados de treinamento. Estes algoritmos buscam um padrão relacionando entradas e saídas, permitindo utilizar este padrão para realizar antecipações.

Assessoria de Comunicação
Yasmin Bernardes – yasmin@ecco.inf.br
62 99161-2649

Deixe seu Comentário