Pesquisa e Inovação: Sistema de Gestão da Epilepsia
Busca avançada
Ano de início
Entree

Sistema de Gestão da Epilepsia

Processo: 21/11754-2
Modalidade de apoio:Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Acordo de Cooperação: SEBRAE-SP
Pesquisador responsável:Hilda Alicia Gomez
Beneficiário:Hilda Alicia Gomez
Empresa:Gomez & Gomez Ltda. - ME
CNAE: Desenvolvimento e licenciamento de programas de computador não-customizáveis
Pesquisa e desenvolvimento experimental em ciências físicas e naturais
Município: São Paulo
Auxílio(s) vinculado(s):21/15014-3 - Sistema de gestão da epilepsia, AP.PIPE
Bolsa(s) vinculada(s):23/18167-0 - Projeto do aplicativo mobile (Epistemic App) e plataforma para médicos (Epistemic web), BP.TT
23/03491-7 - Desenvolvimento de modelo de IA para o sistema Epistemic (App e Web), BP.TT
22/09002-5 - Sistema de Gestão da Epilepsia, BP.TT
Assunto(s):Aprendizado computacional  Ciência de dados  Análise de dados  Coleta de dados  Aplicativos móveis  Epilepsia  Sinais e sintomas  Hábitos  Tratamento de doenças 
Palavra(s)-Chave do Pesquisador:Análise de Dados | aplicativo celular | Data Science | epilepsia | Previsão de crises epilépticas | Análise de Dados

Resumo

Nossa proposta consiste na coleta e análise de uma série de dados sobre o dia-a-dia de pelo menos 100 pacientes com epilepsia, suas crises e dados relacionados a elas, seus hábitos e sintomas para tirar conclusões de como certas práticas podem influenciar piorando ou melhorando a quantidade e intensidade das crises. Além disso queremos poder calcular a probabilidade de um paciente poder ter uma crise num determinado dia dada a periodicidade de determinadas características de sua vida. O objetivo é criar inteligência para que nosso aplicativo, que hoje somente colhe informação útil para o tratamento médico, possa ser um gestor de epilepsia, ou seja, que ele possa dar sugestões ao paciente diariamente para que este tome ações que farão diminuir o seu número de crises e também proporcionar ao paciente a informação da probabilidade de ele ter uma crise naquele dia e horário. Para isso implementaremos algoritmos de machine learning, treinados por paciente, e previamente testados com os 100 pacientes do nosso experimento. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)