Titulo Estágio
2020_N5 eHealth - Estudo e desenvolvimento de mecanismo de aprendizagem, predição e sugestão.
Local do Estágio
Aveiro
Enquadramento
A área de eHealth/Assisted Living tem vindo a crescer com a necessidade de melhorar a qualidade de vida de pessoas que precisam de acompanhamento médico permanente (e.g. doença crónica) ou ocasional (e.g. pós-operatório, pandemia). Pretende-se, cada vez mais, acompanhar as pessoas de alguma forma em risco e recolher a informação necessária para poder prevenir ou antecipar situações clínicas mais graves e/ou de intervenção urgente.
Objetivo
O projeto pretende estudar e implementar mecanismos que permitam, a partir da análise das tarefas diárias atribuídas e executadas pelo utente (ou cuidador) e dos sinais vitais recolhidos no decurso do acompanhamento da sua condição física (e.g. pulsação, glucose), antever situações de risco, aconselhar o utente e prevenir o seu médico/cuidador, assegurando os mecanismo de segurança, privacidade e controlo de informação aplicáveis num contexto clínico.
Plano de Trabalhos - Semestre 1
Fase 1
-Análise do Estado da Arte
-Estudo e análise dos dados disponíveis (a ALB garante que existirão dados para executar o trabalho)
-Cruzar com outros datasets existentes
-Integrar fontes de dados adicionais (de dispositivos físicos e/ou virtuais - e.g. análises)
-Aplicar algoritmos de machine learning para detetar grupos típicos e atípicos de comportamentos
-Analisar e implementar aspetos de segurança e privacidade de acordo com os perfis existentes (administrativos, cuidadores, familiares, etc.)
-Relatório Intercalar
Plano de Trabalhos - Semestre 2
Fase 2
-Prever cenários de evolução
-Mapeamento causa-consequência - o que se deve notificar e aconselhar face aos resultados e às previsões obtidas
-Implementação e teste da solução final
-Relatório Final
Condições
Integração de uma Bolsa de Investigação - Programa GENIUS /Inova-Ria - durante a realização do projeto de Dissertação - Integração numa equipa de I&D da Empresa Altice Labs .
Os alunos interessados deverão enviar para genius@inova-ria.pt ao cc Dra Regina Maia Sacchetti (963618710).
• Curriculum Vitae;
• Disciplinas realizadas até ao momento com médias ; simples documento eletrónico, que poderá obter no portal académico .
Processo de Seleção: Entrevista Inova-Ria - PROGRAMA GENIUS na qual fará parte o Orientador do projeto de forma a eslarecer a temática envolvida.
Tipologia de Bolsa: Bolsa de Investigação com o valor da Bolsa de 798€
• média prevista de 13,5 - 14 valores (média linear entre licenciatura e mestrado);
• Indicação de áreas de interesse.
Tipologia da Bolsa: Bolsa de Investigação (Bolsa de Iniciação Científica).
Valor a Bolsa 798€ liquidos/Mês => empresa >= 3 dias/semana
Observações
- Aspetos inovadores:
AI e Machine learning são ferramentas poderosas quando devidamente aplicadas e acompanhadas de uma análise cuidada dos dados. No entanto, a fase manual de intervenção humana no processo de gerar conhecimento a partir de dados, é ainda muito significativa e os dados disponíveis são muitas vezes insuficientes para trabalhar. O desafio deste projeto consiste em analisar e escolher os algoritmos mais adequados a dados sensíveis, pessoais e clínicos, de forma a produzir informação útil para os vários intervenientes no processo: utentes, cuidadores formais e informais. É também necessário assegurar a comunicação da informação com segurança e assegurar a privacidade do utente de acordo com a sua vontade. O foco do projeto deve estar no utente, ainda que se deva assegurar a transferência de informação útil para os cuidadores formais e informais de acordo com a necessidade e/ou patologia.
- Competências Chave Requeridas:
Pessoa dinâmica, autónoma e com ânsia pela aquisição de conhecimento.
Comunicativo e com espírito de equipa.
Bons conhecimentos em programação (e.g. JAVA, PERL, Python)
Privacidade e Segurança
Conhecimentos em modelização, análise de dados e algoritmia de machine learning
- Ferramentas a utilizar:
Python, PySpark, SciKit Learn, PyTorch, TensorFlow, Jupyter Notebooks
Ferramenta de processo de desenvolvimento: JIRA, WIKI, SVN,…
- Referências Bibliográficas:
Machine learning in medicine: a practical introduction
https://builtin.com/artificial-intelligence/machine-learning-healthcare
https://emerj.com/ai-sector-overviews/machine-learning-in-pharma-medicine/
https://www.lexispublisher.com/articles/machine-learning-in-healthcare-data-analysis-a-survey-44184.html
https://www.sciencedirect.com/science/article/pii/S016740481930238X
https://ieeexplore.ieee.org/document/7947011
https://en.wikipedia.org/wiki/Machine_learning
https://www.kaggle.com/tags/healthcare
https://healthcare.ai/
- A Orientação da Empresa Altice Labs:
Tema Mota e Luis Cortesão
Telma Mota (telma@alticelabs.com) e Luís Cortesão (luis-m-cortesao@alticelabs.com)
Orientador
Luis Cortesão
PCarv@alticelabs.com 📩