Aprendizado de máquina na saúde - 2021.1

De Flavio Luiz Seixas
Revisão de 16h12min de 18 de março de 2021 por Fseixas (discussão | contribs)
Ir para navegação Ir para pesquisar

Logística

Objetivo

Analisar e avaliar problemas, criar soluções e aplicações envolvendo o aprendizado de máquina nas áreas de saúde. Dentre os tópicos na disciplina, incluem:

  • Desafios da heterogeneidade dos dados clínicos;
  • Aplicações do aprendizado de máquina para:
    • Estratificação de risco;
    • Auxílio aos processos de triagem e raciocínio diagnóstico;
    • Modelagem da progressão da doença (prognóstico);
    • Avaliação do tratamento;
    • Auxílio aos processos de reabilitação do paciente.

Tópicos abordados

  • Redes Bayesianas;
  • Causalidade;
  • Séries temporais e sinais fisiológicos;
  • Imagens médicas;
  • Processamento em linguagem natural (PNL);
  • Aprendizado profundo;
  • Interpretabilidade;
  • Interoperabilidade;
  • Automatização de diretrizes clínicas;
  • Aprendizado por transferência;
  • Fairness;
  • Ética.

Avaliação

  • Análise e apresentação de artigos. Peso: 4.
  • Apresentação e documentação do Projeto de Aplicação. Peso: 4.
  • Outros. Peso: 2.

Implementação

Cronograma

Data Conteúdo
17/mar
18/mar
24/mar
31/mar
01/abr
07/abr
07/mar
08/abr
14/abr
15/abr
21/abr Tiradentes
22/abr
28/abr
29/abr
05/mai
06/mai
12/mai
13/mai
19/mai
20/mai
26/mai
27/mai
02/jun
03/jun Feriado Corpus Christi
09/jun
10/jun
16/jun
17/jun
23/jun
24/jun

Referências sugeridas

Tema Referência
Dados clínicos
  • Agniel, Denis, Isaac Kohane, and Griffin Weber. "Biases in Electronic Health Record Data Due to Processes Within the Healthcare System: Retrospective Observational Study." BMJ, 2018.
  • Eapen, Bell Raj, et al. "FHIRForm: An Open-Source Framework for the Management of Electronic Forms in Healthcare." ITCH. 2019.
  • Ulriksen, Gro-Hilde, Rune Pedersen, and Gunnar Ellingsen. "Infrastructuring in healthcare through the openEHR architecture." Computer Supported Cooperative Work (CSCW) 26.1-2 (2017): 33-69.
Estratificação de riscos
  • Razavian, Narges, Saul Blecker, et al. "Population-Level Prediction of Type 2 Diabetes From Claims Data and Analysis of Risk Factors." Big Data 3, no. 4 (2015): 277–87.
  • Pozen, Michael, Ralph D'Agostino, et al. "A Predictive Instrument to Improve Coronary-Care-Unit Admission Practices in Acute Ischemic Heart Disease." New England Journal of Medicine 310, no. 20 (1984): 1273–78.
  • Futoma, Joseph, Sanjay Hariharan, et al. "An Improved Multi-Output Gaussian Process RNN With Real-Time Validation for Early Sepsis Detection." arXiv preprint arXiv:1708.05894 (2017).
  • Caruana, Rich, Yin Lou, et al. "Intelligible Models for HealthCare." Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD 15, 2015.
  • Rodríguez, G. (2007). "Chapter 7: Survival Models." In Lecture Notes on Generalized Linear Models.
Séries temporais
  • Quinn, J.A., C.K.I. Williams, and N. Mcintosh. "Factorial Switching Linear Dynamical Systems Applied to Physiological Condition Monitoring." IEEE Transactions on Pattern Analysis and Machine Intelligence 31, no. 9 (2009): 1537–51.
  • Hannun, Awni, Pranav Rajpurkar, et al. "Cardiologist-Level Arrhythmia Detection and Classification in Ambulatory Electrocardiograms Using a Deep Neural Network." Nature Medicine 25, no. 3 (2019): 65–69.
Processamento de Linguagem Natural (PLN)
  • Leaman, Robert, Ritu Khare, and Zhiyong Lu. "Challenges in Clinical Natural Language Processing for Automated Disorder Normalization." Journal of Biomedical Informatics 57 (2015): 28–37.
Diagnóstico Diferencial
  • Rotmensch, Maya, Yoni Halpern, et al. "Learning a Health Knowledge Graph from Electronic Medical Records." Scientific Reports 7, no. 1 (2017): 5994.
Inferência Causal
  • Hernán MA, Robins JM. Causal Inference: What If. Boca Raton: Chapman & Hall/CRC, forthcoming. Chapter 1. 2019.
Aprendizado por Reforço
  • Komorowski, Matthieu, Leo Celi, et al. "The Artificial Intelligence Clinician learns optimal treatment strategies for sepsis in intensive care." Nature Medicine 24, no. 11 (2018): 1716.
Progressão de Doenças
  • Schulam, Peter, and Suchi Saria. "Integrative Analysis Using Coupled Latent Variable Models for Individualizing Prognoses." The Journal of Machine Learning Research 17, no. 232 (2016): 1–35.
  • Young, Alexandra, Razvan Marinescu, et al. "Uncovering the Heterogeneity and Temporal Complexity of Neurodegenerative Diseases with Subtype and Stage Inference." Nature Communications 9, no. 1 (2018): 4273.
Automatização de workflows clínicos
  • Zhang, Yiye, Rema Padman, and Nirav Patel. "Paving the COWpath: Learning and Visualizing Clinical Pathways from Electronic Health Record Data." Journal of Biomedical Informatics 58 (2015): 186–97.
  • Gawande, Atul. "A Life-Saving Checklist." The New Yorker. The New Yorker, December 3, 2007
Medicina de Precisão
  • Udler, Miriam S., Jaegil Kim, et al. "Type 2 Diabetes Genetic Loci Informed by Multi-Trait Associations Point to Disease Mechanisms and Subtypes: A Soft Clustering Analysis." PLoS Medicine 15, no. 9 (2018): e1002654.
Redes Bayesianas
  • Kyrimi, Evangelia, et al. "A comprehensive scoping review of bayesian networks in healthcare: Past, present and future." arXiv preprint arXiv:2002.08627 (2020).
  • Velikova, Marina, et al. "Exploiting causal functional relationships in Bayesian network modelling for personalised healthcare." International Journal of Approximate Reasoning 55.1 (2014): 59-73.
  • Seixas, Flávio Luiz, et al. "A Bayesian network decision model for supporting the diagnosis of dementia, Alzheimer׳ s disease and mild cognitive impairment." Computers in biology and medicine 51 (2014): 140-158.

Ideias para o projeto de aplicação

Banco de Projetos de Pesquisa, Desenvolvimento e Inovação com a Saúde

Calendário

Aula Data Conteúdo Referências Video-Aulas CEDERJ Aulas Gravadas de 2020.1
1 02/02/2021 Introdução a Engenharia de Software Sommerville cap. 1
Pressman caps. 1 e 2
[1] [2]
2 09/02/2021 Processos de desenvolvimento de software Sommerville caps. 2 e 3
Pressman caps. 3, 4, 5 e 6
[3] [4]
3 16/02/2021 Feriado - Carnaval
4 23/02/2021 Desenvolvimento ágil [5]
5 02/03/2021 Paradigmas de desenvolvimento de software:

- Análise estruturada
- Análise essencial
- Análise Orientada a Objetos (OOA)

Larman caps. 1 e 2
Guedes cap. 2
[6]
5 09/03/2021 Engenharia de requisitos Sommerville cap. 4
Pressman cap. 8
[7] [8]
6 16/03/2021 Casos de uso Guedes caps. 1 e 3
Bezerra caps. 3 e 4
Pressman caps. 9
[9] [10]
7 23/03/2021 Modelagem de Sistemas
Projeto da arquitetura do sistema
[11]

[12]

8 30/03/2021 Apresentação dos grupos - Projeto de Aplicação - Parte 1
9 06/04/2021 Projeto de software usando UML

Palestra 1

Guestão de Projetos: Metodologia Tradicional e Ágil
Ana Paula Pereira (Embratel/Claro S.A)

Guedes caps. 1 e 3
Bezerra caps. 3 e 4
Sommerville caps. 5, 6 e 7
Pressman caps. 12, 13, 14, 15 e 16
[13]
10 13/04/2021 Projeto de software:
- Diagrama de classes
- Diagrama de atividades

Palestra 2
Guedes caps. 4, 5 e 6
Bezerra cap. 5
[14] [15]
12 20/04/2021 - Diagrama de sequencia

Palestra 3
Guedes caps. 7, 9 e 10
Bezerra caps. 7, 10 e 11
[16]
13 27/04/2021 - Diagrama de transição de estados

- Outros diagramas

Palestra 4

14 04/05/2021 Apresentação dos grupos - Projeto de Aplicação - Parte 2

Referências bibliográficas

  • Sommerville, Ian. Engenharia de Software. 9ª Edição Edição. Pearson Brasil, 2011.
  • Pressman, Roger, e Bruce Maxim. Engenharia de Software. 8ª Edição. McGraw Hill Brasil, 2016.
  • Larman, Graig. Utilizando UML e Padrões: Uma Introdução à Análise e ao Projeto Orientados a Objetos e ao Desenvolvimento Iterativo. 3ª Edição. Bookman, 2007.
  • Guedes, Gilleanes T. A. UML 2. Uma Abordagem Prática. 2ª Edição. Novatec, 2011.
  • Bezerra, Eduado. Princípio de Análise e Projeto de Sistemas com UML. Elsevier Editora Campus, 2006
  • Booch, Grady; Rumbaugh, James; Jacobson, Ivar. The Unified Modeling Language User Guide. Addison-Wesley Professional, 1998.