Ir direto para menu de acessibilidade.
Você está aqui: Página inicial > IFSP oferece 2.170 vagas para cursos técnicos no 2º semestre > Últimas notícias > Pesquisadores desenvolvem Plataforma Inteligente voltada à Saúde Materno Infantil
Início do conteúdo da página

Pesquisadores desenvolvem Plataforma Inteligente voltada à Saúde Materno Infantil

Projeto do IFSP e da Unicamp usa a Inteligência Artificial para colaborar com a redução da mortalidade neonatal no Brasil

  • Publicado: Segunda, 29 de Junho de 2020, 19h41
  • Última atualização em Quarta, 01 de Julho de 2020, 15h27
  • Acessos: 11039

Pesquisadores do Câmpus Campinas do IFSP e da Unicamp desenvolveram a SaMI — Plataforma Inteligente voltada à Saúde Materno Infantil . O software faz uso da Inteligência Artificial e da visualização de informações para oferecer uma forma inteligente e interativa de analisar indicadores demográficos, socioeconômicos e de saúde materno-infantil. O objetivo é subsidiar o processo de tomada de decisões para a criação de políticas públicas voltadas à saúde gestacional, e com isso colaborar com a redução da mortalidade neonatal (de crianças com até 28 dias de nascimento) no Brasil.

De acordo com informações disponíveis na plataforma, a mortalidade neonatal no Brasil ainda é mais alta do que em diversos países, apesar de estarmos abaixo da média mundial e levemente abaixo da média da América Latina. No que diz respeito à mortalidade de crianças, quase metade das mortes do mundo ocorre entre menores de cinco anos, e o primeiro mês de vida é quando a criança está mais vulnerável: três a cada quatro mortes infantis ocorrem nesse período.

O software apresenta diferentes ferramentas para ajudar gestores, pesquisadores e entusiastas a entenderem um pouco mais sobre mortalidade neonatal, seus fatores e consequências. A SaMI também oferece serviços para avaliação de risco de mortalidade neonatal e previsões da taxa de mortalidade para algumas regiões de saúde no Brasil (ferramenta ainda em estágio Alpha de desenvolvimento). Isso é possível devido ao uso de um modelo de Aprendizado de Máquina (Machine Learning) que foi construído com base em um conjunto de dados contendo informações sobre nascimento / morte de 40 milhões de indivíduos ao longo de dez anos no Brasil.

A SaMI é o resultado de um trabalho de 18 meses, que contou com financiamento da Gates Foundation, CNPq e Ministério da Saúde. O projeto foi vencedor do desafio Grand Challenges Explorations (GCE)- Brazil, da Fundação Bill & Melinda Gates.

Parte da equipe do projetoParte da equipe do projeto

O GCE é uma chamada realizada mundialmente pela Fundação Bill e Melinda Gates para descobrir projetos inovadores que possam gerar resultados aplicáveis e que mudem o dia-a-dia das pessoas. Os professores Tiago Carvalho e Carlos Beluzo, do IFSP, juntamente com a professora Luciana Alves, do Departamento de Demografia da Unicamp, foram os proponentes do projeto submetido e selecionado pelo Grand Challenges Exploration, em 2018. De acordo com Tiago, o edital buscava projetos voltados para a saúde materno e infantil que trabalhassem com Big Data. A essa especificidade, somou-se a vontade dos pesquisadores de entregar um produto que fosse de fato utilizável pela sociedade.

Tiago relatou que ter o projeto como vencedor do desafio foi um marco na sua carreira. “O GCE é extremamente respeitado ao redor do mundo, e participar dele é também uma grande responsabilidade, pois todos os projetos escolhidos são por padrão projetos de risco (ou seja, têm baixas chances de dar certo, mas quando dão, podem realmente fazer a diferença). Logo, entregar o proposto de forma correta representa um grande sucesso do ponto de vista de superar desafios”, contou.

Ainda de acordo com o professor Tiago, na próxima fase do projeto os pesquisadores pretendem criar um simulador de políticas públicas. No entanto, a continuação do trabalho, que estava em discussão com o Ministério da Saúde, teve de ser paralisada devido à pandemia de Covid-19. “Na última reunião de avaliação, os gestores ficaram bem empolgados e chegaram a agendar um Workshop para colher ideias de melhorias junto aos técnicos e negociar o apoio que seria necessário para continuar o desenvolvimento do projeto. Só que o workshop foi marcado justo para a semana que estourou a pandemia, e todo o foco do ministério se voltou para isso, o que acabou inviabilizando, por hora, a continuação do projeto”, contou.

Sobre a Visualização de Dados e Modelos preditivos

Visualização de Dados

Os dados analisados são organizados em visualizações interativas, que permitem ao pesquisador explorar os dados de maneira mais pormenorizada e gerar gráficos para estudos. Com isso, é possível identificar padrões que seriam invisíveis a olho nu em uma tabela de números.

A plataforma disponibiliza uma galeria de visualizações de indicadores relacionados à mortalidade neonatal e também permite criar uma nova visualização dos dados por região (município, estado, microrregião e região de saúde), de indicadores como: índice de desenvolvimento humano (IDH), Produto Interno Bruto (PIB), proporção de domicílios com água encanada e coleta de lixo, taxa de mortalidade neonatal precoce, entre outros.

Para exemplificar, na imagem ao lado utilizamos a visualização por estados, do indicador taxa de mortalidade neonatal precoce (número de óbitos de bebês de 0 a 6 dias). Ao posicionar o cursor em cima de cada estado podemos ver os valores exatos do indicador. É possível escolher o ano, entre 2000 e 2016. Ao selecionar, na parte inferior esquerda, qual o estado de que se deseja saber os dados (selecionamos o estado do Amapá) e a forma de gráfico com que se prefere visualizar as informações (selecionamos gráfico de barras), foi possível constatar que houve uma queda: de 15,31 em cada mil nascidos vivos no ano 2000 para 9,08 em 2016. Mesmo assim, o estado ainda é um dos que apresenta os piores números desse indicador no país. Também é possível comparar os índices de duas ou mais regiões.

Modelos preditivos

Os modelos preditivos são métodos de Inteligência Artificial que, a partir de um conjunto representativo de amostras (dados de treinamento) compostas por diferentes informações (atributos) associadas ao problema, são capazes de aprender a reconhecer padrões que permitem classificar uma nova amostra, nunca antes vista nos dados.  O modelo de Inteligência Artificial fornece a probabilidade de um recém-nascido sobreviver até o 28º dia após seu nascimento e é capaz de prever a taxa de mortalidade neonatal para um, dois, três e quatro meses à frente.

O professor Tiago deu um exemplo prático para o uso do classificador de risco de morte neonatal. Segundo ele, a ferramenta poderia ser usada por uma Unidade de Saúde para determinar se uma criança que apresenta chances de vir a óbito nos primeiros 28 dias de vida pode permanecer ali, ou se deveria ser transferida para outra unidade que possua uma incubadora especializada.

registrado em:
Fim do conteúdo da página