Projetos em Destaque

MINERSUS – Mineração de dados do SUS 

(2006 - 2010 / 2022 – Present) (Associated with ITA)

MINERSUS é o acrônimo para mineração de dados do SUS, e é um ambiente computacional destinado a produzir informações analíticas a partir de bancos de dados do sistema público de saúde brasileiro (denominado SUS).

O objetivo do projeto consiste em coletar e integrar os conjuntos de dados públicos desde 2008 em um banco de dados unificado, bem como produzir informações analíticas sobre saúde pública usando técnicas de ciência de dados.

ED Dashboard – Sistema de identificação de gargalos no fluxo de pacientes no pronto-socorro

(2020 - 2022) (As employee of Philips Research)

O grande volume de pacientes no pronto-socorro é um problema mundial e suas principais consequências incluem longas filas de espera, atrasos nos atendimentos, aumento do tempo de espera entre as tarefas, longo tempo de permanência e, consequentemente, um atendimento de baixa qualidade.

Assim, este projeto pretende projetar, desenvolver e implantar uma ferramenta computacional, baseada em tecnologias de mineração de dados e processos, capaz de identificar previamente atrasos em tarefas e gargalos no fluxo de pacientes do pronto-socorro. As consequências esperadas são a redução do tempo médio de permanência dos pacientes naquele setor, além da melhoria do fluxo de trabalho do setor.

Impacto do deslocamento de pacientes durante o tratamento oncológico

(2021 -  2022) (Associated with UMC)

O sistema público de saúde brasileiro ( SUS), garante o acesso integral, gratuito e universal a todos os cidadãos do país. A estratégia para otimizar os recursos assistenciais é a organização regionalizada dos serviços de saúde. Essa regionalização, principalmente dos serviços de oncologia, promove a otimização de recursos, porém, em alguns casos o paciente precisará percorrer longas distâncias para receber o tratamento.

Assim, o objetivo deste projeto de pesquisa é identificar e analisar, por meio de técnicas de ciência de dados, a influência do deslocamento de pacientes em alguns indicadores clínicos e epidemiológicos, como taxa de incidência, estadiamento, mortalidade, etc.

COVID-19 – Fluxo de pacientes 

(2020 - 2021) (As employee of Philips Research)

Durante a pandemia de COVID-19, um dos principais objetivos dos gestores hospitalares era evitar o colapso de seus recursos. Assim, eles tinham um interesse especial por conhecimentos relacionados à evolução clínica e ao fluxo do paciente no hospital.

Considerando este contexto, o objetivo deste projeto foi um estudo de investigação, aplicando técnicas de mineração de dados nos prontuários eletrônicos, visando o desenvolvimento de um modelo analítico capaz de descrever o fluxo de pacientes com COVID-19 no hospital.

O benefício esperado é apoiar os gestores hospitalares no planejamento dos recursos de saúde necessários para o enfrentamento da COVID-19, por meio de informações sobre o curso clínico da doença.

Sistema de Gerenciamento de Vias Clínicas – Administração de quimioterapia 

(2019 - 2020) (As employee of Philips Research)

Os protocolos clínicos são frequentemente implantados para minimizar a variação de cuidados e procedimentos de tratamento para uma doença específica. Um protocolo normalmente define um conjunto de atividades de cuidado que precisam ser realizadas dentro de um determinado período de tempo e sob certas restrições. Os protocolos são baseados nas diretrizes clínicas mais recentes (medicina baseada em evidências), tornando-os acionáveis e executáveis na clínica.

Este projeto visa modelar o protocolo de administração de quimioterapia como fluxos de trabalho executáveis e construir uma estrutura onde tal protocolo seria executado, apoiando os usuários clínicos com as informações personalizadas  no ponto de atendimento. Além disso, exploraremos os benefícios potenciais da adesão às vias, considerando tanto a intenção clínica (segurança do paciente) quanto a utilização ótima de recursos (evitando o desperdício de medicamentos).

Sistema de Gerenciamento de Vias Clínicas – Protocolo de Sepse 

(2017 -  2019) (As employee of Philips Research)

A sepse é uma disfunção orgânica causada por uma resposta desregulada do hospedeiro à infecção que afeta milhões de pessoas todos os anos, matando 25% dessas pessoas. Entretanto, a adoção de protocolos clínicos padronizados, como o Sepsis Surviving Campaign, implica em melhores resultados e redução da mortalidade. Por outro lado, os sistemas de gerenciamento de vias clínicas são ferramentas de apoio à implementação de protocolos clínicos, porém, ainda é comum a implantação de protocolos utilizando uma abordagem baseada em papel, o que dificulta a adesão ao protocolo pela equipe clínica. Nesse contexto, propusemos um sistema de gerenciamento de vias clínicas para ajudar a melhorar a adesão ao protocolo, identificando automaticamente desvios na execução da via clínica e enviando alertas em tempo real para a equipe clínica.

Uso of big data analytics na predição de incidência de câncer de mama

(2016 - 2017) (Associated with Roche)

O Instituto Nacional do Câncer (INCA) publica periodicamente um relatório que estima a incidência de câncer no país para os próximos três anos. Este relatório é uma importante ferramenta utilizada pelos gestores de saúde para subsidiar ações de prevenção e controle do câncer. Entretanto, apresenta algumas limitações, dentre as quais as mais significativas são: 1) A estimativa é calculada apenas para estados e capitais; não permitindo análise individualizada por municípios. 2) A estimativa é restrita ao tipo de câncer, não incluindo os subtipos; por exemplo, não é possível analisar o subtipo “C50.8 Neoplasia maligna da mama com lesão invasiva”.

Assim, o objetivo do projeto é desenvolver um modelo preditivo capaz de prever a incidência de um determinado subtipo de câncer (Mama HER2+) em uma determinada região do país (cidades) por um determinado período de tempo (5 anos).

Big data analytics em um hospital público 

(2015 - 2016) (Associated with CapGemini)

A obtenção de informações e conhecimento a partir de big data tornou-se uma prática comum hoje, principalmente na área da saúde. No entanto, vários desafios dificultam o uso de análises em dados de saúde. O objetivo deste projeto é definir e implementar uma estrutura de análise de big data em um importante hospital público brasileiro, que decidiu usar essa tecnologia para fornecer insights que ajudarão a melhorar as práticas clínicas. O framework foi validado por um caso de uso em que o objetivo é conhecer os padrões de comportamento das infecções hospitalares. A arquitetura foi definida, avaliada e implementada. O resultado geral foi muito positivo, com um processo relativamente simples de utilização que conseguiu produzir resultados analíticos interessantes.

SENSIDOC – Mapeamento de documentos sensíveis 

(2014 - 2015) (Associated with Compumedica Informatica / ITA / RENASIC)

Este projeto visa projetar e desenvolver um software aplicativo cuja função básica é mapear documentos sensíveis armazenados nos computadores de uma organização; com o objetivo de apoiar o estabelecimento de medidas para mitigar o problema de vazamento desses documentos sensíveis.

ONTOMINING – Uso de ontologia para suportar a atividade de mineração de dados 

(2013 - 2015) (Associated with ITA)

O principal objetivo deste projeto é o desenvolvimento de um método para extração de conhecimento de bancos de dados combinando duas tecnologias computacionais: Ontologia e Mineração de Dados. O projeto Ontomining foi motivado pela falta de informação analítica em algumas áreas de negócio importantes, como por exemplo a Saúde Pública. Nesta área tão crítica, o uso de técnicas de mineração de dados daria uma grande contribuição para a produção de informações analíticas, essenciais para apoiar a gestão dos serviços de saúde para os cidadãos. O objetivo do projeto é desenvolver um sistema automático de mineração de dados que permita – usando uma ontologia de domínio – que um usuário não especialista consiga extrair informações analíticas por meio de técnicas sofisticadas de mineração de dados.

DSMED – Ferramenta de análise de dados médicos 

(2013 - 2014)

O software DSMED corresponde a uma plataforma computacional analítica, desenvolvida pela Compumedica Informatica, que consiste num conjunto de algoritmos de machine learning, e uma interface simples e intuitiva; cuja finalidade é a análise de dados médicos, sejam eles clínicos ou epidemiológicos.

BDCARDIO – Um banco de dados para cirurgias cardíacas 

(2013 - 2014) (Associated with INCOR)

O objetivo do projeto é a definição e implementação de um banco de dados (e respectiva interface de entrada de dados) para registro de cirurgias cardíacas realizadas em hospitais públicos do estado de São Paulo. Além disso, a aplicação de técnicas de mineração de dados para prever complicações em cirurgia cardíaca.

Data warehouse para a Saúde Pública 

(2005 - 2007) (Associated with SES-SP/Fundação Faculdade de Medicina)

Os projetos de Data Warehouse para a tomada de informações estratégicas de tomada de decisão são crescentes desde os anos 90. Muitas empresas, incluindo as organizações públicas de saúde, estão adotando esta tecnologia para obter maior eficiência no planejamento e gestão. O objetivo deste projeto foi projetar e desenvolver um data warehouse para a Secretaria de Saúde de São Paulo, visando distribuir informações estratégicas por meio da integração de dados provenientes de diversos sistemas de informação do DATASUS.