A  |  A+ |  A-
Projeto de Inteligência Artificial da FSP-USP ganha prêmio Abril e Dasa de Inovação Médica

Prof. Alexandre Dias Porto Chiavegatto Filho, coordenador do Laboratório de Big Data e Análise Preditiva em Saúde (LABDAPS). Foto: Arquivo pessoal.

O Laboratório de Big Data e Análise Preditiva em Saúde (LABDAPS) da Faculdade de Saúde Pública da USP, coordenado pelo professor Alexandre Dias Porto Chiavegatto Filho, acaba de receber o Prêmio Abril e Dasa de Inovação Médica, na categoria Prevenção. A entrega dos prêmios aconteceu no dia nove de dezembro de 2020, em evento virtual.  

A equipe do LABDAPS recebeu a premiação pelo projeto  “IACOV-BR: Inteligência Artificial para COVID-19 no Brasil”, voltado ao desenvolvimento de algoritmos de inteligência artificial para COVID-19. Além do professor Chiavegatto Filho, integram a equipe:  André Filipe de Moraes Batista, Gabriel Dalla Costa, Gustavo Sainatto, Ruchelli França de Lima, Roberta Wichmann, Tiago Almeida de Oliveira, Bruno Casaes Teixeira, Maria Eduarda Santana, Hellen Matarazzo, Felippe Lazar Neto, Carla Ferreira do Nascimento, Diego Pereira Barboza, Fernando Timoteo Fernandes, Mariane Furtado Borba, Thales Pardini. 

“Estamos honrados com o reconhecimento do nosso trabalho, realizado com grande dedicação nesse período difícil de pandemia. Estamos empolgados com os resultados, que poderão contribuir para melhores decisões no sistema de saúde brasileiro, principalmente em diversas aplicações no Sistema Único de Saúde, o SUS”, afirma o professor.

Organizado pela Abril Comunicações S.A., o prêmio busca reconhecer e divulgar melhores projetos da área médica, com foco na excelência científica, tecnológica, clínica e assistencial. São cinco categorias agraciadas: Medicina Diagnóstica;  Genética; Tratamento; Prevenção; e Medicina Social. A edição 2020 está focada exclusivamente em trabalhos voltados à COVID-19.

 

 

Sobre o projeto “IACOV-BR: Inteligência Artificial para COVID-19 no Brasil”

O desconhecimento dos efeitos clínicos da COVID-19 tem dificultado o início das medidas preventivas e a alocação de recursos humanos e físicos por parte dos serviços de saúde brasileiros. A solução encontrada pelos pesquisadores do LABDAPS foi a criação da IACOV-BR (Inteligência Artificial para COVID-19 no Brasil), uma rede compreendida por 22 hospitais de todas as regiões do país, totalizando mais de 25.000 pacientes com COVID-19.

O professor Chavegatto Filho explica que o desenvolvimento de algoritmos de inteligência artificial (machine learning) possibilita predizer o diagnóstico e o prognóstico da COVID-19 nas cinco regiões brasileiras. “Os algoritmos possibilitam a prevenção do agravamento clínico da doença em diferentes contextos socioeconômicos porque podem auxiliar os profissionais de saúde e os gestores a tomarem melhores decisões clínicas e administrativas para prevenir desfechos graves nos pacientes”, afirma. 

 A equipe está agora desenvolvendo um aplicativo (RandomIA) para divulgar os resultados dos algoritmos para médicos e gestores de saúde. Além disso, o projeto já levou à publicação de dois pré-prints sobre o uso de algoritmos de inteligência artificial para o diagnóstico e o prognóstico da COVID-19, conta o professor.

Segundo o coordenador, a rede IACOV-BR foi a primeira a descobrir que é possível predizer o risco de diagnóstico de COVID-19 com inteligência artificial, utilizando apenas dados de idade, sexo e resultados do hemograma. Esse pré-print foi publicado no início de abril por meio de uma parceria com o Hospital Israelita Albert Einstein (“COVID-19 diagnosis prediction in emergency care patients: a machine learning approach”). Desde então, os resultados foram confirmados por grupos de pesquisa de outros países e já levaram à criação de startups para o diagnóstico de COVID-19 com inteligência artificial. Mais recentemente, um novo artigo da equipe (“A multipurpose machine learning approach to predict COVID-19 negative prognosis in São Paulo, Brazil”) demonstrou o potencial do uso de algoritmos multiuso para predizer o prognóstico de pacientes com a doença e auxiliar a prevenir a deterioração clínica grave desses pacientes.