Descrição: O principal objetivo deste trabalho é avaliar as perspectivas da integração de técnicas de Aprendizagem Profunda (Deep Learning) com técnicas de Processamento de Linguagem Natural e com Teorias Linguísticas, de modo a proporcionar o acompanhamento automatizado de dados não estruturados em saúde, incluindo nesse processo a fusão de dados multimodais. Desta forma, poderá ser utilizado de forma efetiva o conjunto de dados médicos existente atualmente em registros médicos e em outras fontes, tais como exames clínicos, ou sensores de sinais fisiológicos, por exemplo. Isso não é possível de ser feito manualmente devido ao alto volume existente, cuja tendência é o aumento em larga escala. Esta abordagem possibilitará que sejam obtidas, comparadas e relacionadas automaticamente informações sobre diferentes processos em execução rotineira em instituições de saúde. Isso é relevante para setores internos às instituições de saúde, bem como para aqueles setores externos situados junto às entidades governamentais, pois permite a estes setores que suas decisões sobre orçamento, análise de qualidade, planejamento e análise de tendências ou de situações críticas, entre outras, sejam tomadas com base em um cenário com maior riqueza de detalhes do que é possível atualmente. Um segundo ponto relevante é a capacidade de uso dos modelos que podem ser obtidos com vistas à geração de simulações e predições para fatores acompanhados. Apesar de existirem trabalhos explorando diferentes formas de integração de dados não estruturados, são escassos na literatura os trabalhos voltados para a área da saúde e ainda mais aqueles que buscam uma integração com teorias linguísticas ou que explorem técnicas de aprendizagem profunda de forma a contemplar dados multimodais, sendo estes os aspectos de originalidade que serão explorados no projeto.

Situação: Em andamento.

Natureza: Pesquisa.

Integrantes: Sandro José Rigo – Coordenador / silvio cesar cazella – Integrante / Paulo Quaresma – Integrante.
Número de orientações: 2