Fabiano Barcellos Filho

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Produções bibliográficas

• SAVALLI, CARINE ; CARNEIRO, ANDRÉ HENRIQUE ALVES ; FILHO, FABIANO BARCELLOS ; BIGOTO, MURILO AFONSO ROBIATI ; WICHMANN, ROBERTA MOREIRA ; CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO . Transfer learning for COVID-19 predictive modeling: A multicenter study of 12 hospitals. ANNALS OF EPIDEMIOLOGY , v. 108, p. 1-7, 2025.

• BRITO CIPRIANO, RAIZA ; FALCO NETO, WILSON ; BARCELLOS FILHO, FABIANO N. ; DIAS PORTO CHIAVEGATTO FILHO, ALEXANDRE . Artificial intelligence for the diagnosis of erythematous-squamous dermatological diseases: technological contributions to primary care. ANAIS BRASILEIROS DE DERMATOLOGIA , v. 100, p. 501169, 2025.

• DOS SANTOS SILVA, GABRIEL FERREIRA ; BARCELLOS FILHO, FABIANO NOVAES ; BARCELLOS FILHO, F. N. ; WICHMANN, ROBERTA MOREIRA ; DA SILVA JUNIOR, FRANCISCO COSTA ; PORTO CHIAVEGATTO FILHO, ALEXANDRE DIAS . Strategies for detecting and mitigating dataset shift in machine learning for health predictions: A systematic review. JOURNAL OF BIOMEDICAL INFORMATICS , v. 01, p. 104902, 2025.

• VICTOR, AUDÊNCIO ; MEDEIROS SANTOS, DIEGO AUGUSTO ; NERY, EDUARDO KOERICH ; MORI, DANILO PEREIRA ; DE CARVALHO LUCAS, PAMELLA CRISTINA ; CAMMAROTA, DENISE ; FLOREZ MONTERO, GUILLERMO LEONARDO ; BARCELLOS FILHO, FABIANO NOVAES ; BARCELLOS FILHO, F. N. ; FRUGIS YU, ANA LÚCIA ; CARVALHANAS, TELMA REGINA MARQUES PINTO . Improving meningitis surveillance and diagnosis with machine learning: Insights from São Paulo. PLOS Digital Health , v. 4, p. e0000925, 2025.

• SOUSA, V.P. DE ; MARCARINI, B.G. ; BORTOLINI, B. DOS A. ; BARCELLOS FILHO, F. N. ; SERPA, F.S. ; PAULA, F. DE ; MILL, J.G. ; ERRERA, F.I.V. . Lung function and bronchodilator response are associated with the SNP rs1042714 in ADRB2 gene. GENETICS AND MOLECULAR RESEARCH , v. 23, p. 1, 2024.

• VICTOR, AUDÊNCIO ; GEREMIAS DOS SANTOS, HELLEN ; SILVA, GABRIEL FERREIRA SANTOS ; BARCELLOS FILHO, FABIANO ; DE FÁTIMA COBRE, ALEXANDRE ; LUZIA, LIANIA A. ; RONDÓ, PATRÍCIA H.C. ; CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO . Predictive modeling of gestational weight gain: a machine learning multiclass classification study. BMC Pregnancy and Childbirth , v. 24, p. 1, 2024.

• SAVALLI, CARINE ; WICHMANN, ROBERTA MOREIRA ; FILHO, FABIANO BARCELLOS ; FERNANDES, FERNANDO TIMOTEO ; FILHO, ALEXANDRE DIAS PORTO CHIAVEGATTO . Multicenter comparative analysis of local and aggregated data training strategies in COVID-19 outcome prediction with Machine learning. PLOS Digital Health , v. 3, p. e0000699, 2024.

• BARCELLOS FILHO, F. N. ; BARCELLOS FILHO, FABIANO NOVAES ; SANTANA, ANA CAROLINA BUENO ; CADE, JAMIL RIBEIRO ; FARINA, EDUARDO MORENO JÚDICE DE MATTOS ; PINASCO, GUSTAVO CARREIRO . Condições clínicas preexistentes e gravidade da Síndrome Respiratória Aguda. REVISTA LATINOAMERICANA DE TELESSAÚDE , v. 8, p. 04-15, 2022.

• CARREIRO PINASCO, GUSTAVO ; MORENO JÚDICE DE MATTOS FARINA, EDUARDO ; NOVAES BARCELLOS FILHO, FABIANO ; FRANÇA FIOROTTI, WILLER ; CORADINI MARIANO FERREIRA, MATHEUS ; CRISTINA DE SOUZA CRUZ, SHEILA ; LOUZADA COLODETTE, ANDRE ; ROSSATI LOUREIRO, LUCIENE ; COMÉRIO, TATIANE ; CUNHA SIVIRINO FARIAS, DILZILENE ; VALÉRIA MANHAMBUSQUE, KATIA ; DE FÁTIMA ALMEIDA LIMA, ELIANE . An interpretable machine learning model for covid-19 screening. Journal of Human Growth and Development (Online) , v. 32, p. 268-274, 2022.

• FURSTENAU, LEONARDO B. ; RABAIOLI, BRUNA ; SOTT, MICHELE KREMER ; COSSUL, DANIELLI ; BENDER, MARILUZA SOTT ; FARINA, EDUARDO MORENO JÚDICE DE MATTOS ; FILHO, FABIANO NOVAES BARCELLOS ; BARCELLOS FILHO, F. N. ; SEVERO, PRISCILLA PAOLA ; DOHAN, MICHAEL S. ; BRAGAZZI, NICOLA LUIGI . A Bibliometric Network Analysis of Coronavirus during the First Eight Months of COVID-19 in 2020. International Journal of Environmental Research and Public Health , v. 18, p. 952-976, 2021.

• PINASCO, GUSTAVO CARREIRO ; SALES, ARTHUR BRUNELLI ; SANTOS, CARLA VENÂNCIA AGUILAR ; COLA, ELIZANDRA ; BARCELLOS FILHO, FABIANO NOVAES ; BARCELLOS FILHO, F. N. ; ROCHA, JOÃO BATISTA FRANCALINO DA ; FARINA, EDUARDO MORENO JÚDICE DE MATTOS ; FIOROTTI, WILLER FRANÇA ; ABREU, LUIZ CARLOS DE . Percepção materna do estado nutricional do filho sob a óptica da análise dos resíduos ajustados. Journal of Human Growth and Development (Online) , v. 30, p. 389-397, 2020.

• SOUSA, V. P. ; PINTO, I. A. ; FRAGOSO, A. X. ; SILVA, I. M. ; BARCELLOS FILHO, F. N. ; MARCARINI, B. G. ; SILVA, N. D. ; ERRERA, L. I. ; RODRIGUES, M. C. S. ; ERRERA, F. I. V. . SOCIEDADE, TECNOLOGIA E MEIO AMBIENTE: AVANÇOS, RETROCESSOS E NOVAS PERSPECTIVAS - VOLUME 3. 1. ed. São Paulo: Editora Científica Digital, 2022. v. 3.

• COLODETTE, A. L. ; BARCELLOS-FILHO FN ; PINASCO GC ; SIMOES, S. N. ; CRUZ, S. C. S. . Feature Selection for Identification of Risk Factors Associated with Infant Mortality. Computational Advances in Bio and Medical Sciences. 1ed.: Springer, 2022, v. 13254, p. 92-.

• SOUSA, V. P. ; ERRERA, F. I. V. ; SILVA-DOS-SANTOS, P. P. E. ; FERNANDES, I. S. ; GARCIA, A. T. ; BORTOLINI, B. A. ; MARCARINI, B. G. ; BARCELLOS-FILHO FN ; RIBEIRO, J. A. B. ; ADAMI, J. B. . RNAS LONGOS NÃO CODIFICADORES E RINITE: UMA REVISÃO. ALERGIA E IMUNOLOGIA: ABORDAGENS CLÍNICAS E PREVENÇÕES. 1ed.: Editora Científica Digital, 2021, v. 1, p. 78-103.

• BORTOLINI, E. R. ; ERRERA, F. I. V. ; MARCARINI, B. G. ; BARCELLOS FILHO, F. N. ; FRAGOSO, A. X. . Relação entre o contato direto com agrotóxicos e o nascimento de crianças com anomalias.. Relação entre o contato direto com agrotóxicos e o nascimento de crianças com anomalias congênitas..

• FARINA, EMJM ; BARCELLOS FILHO FN ; FERREIRA, M. C. M. ; DOS REIS NETO, J. ; BUSCH, J. . Risk Calculator Using Machine Learning to Detect Potential Risks and to Identify Groups of Patients with a Higher Rate of Hospital Readmission from a Healthcare Organization in Brazil. In: International Society for Pharmacoeconomics and Outcomes Research, 2022, Washington, DC, USA. Risk Calculator Using Machine Learning to Detect Potential Risks and to Identify Groups of Patients with a Higher Rate of Hospital Readmission from a Healthcare Organization in Brazil, 2022. v. 25.

• MOTA, D. M. ; BARCELLOS-FILHO FN ; WOELFFEL, M. ; FARIAS, B. ; ALMEIDA, M. ; BURGARD, C. ; FERREIRA, I. ; KUSTER, G. ; LOPES, J. H. . Comparação de algoritmos de aprendizado de máquina na classificação do infarto do miocárdio usando detecção de sinal de elevação do segmento ST no eletrocardiograma e dados clínicos.. 2023. (Apresentação de Trabalho/Congresso).

• MOTA, D. M. ; BARCELLOS-FILHO FN ; WOELFFEL, M. ; FARIAS, B. ; ALMEIDA, M. ; BURGARD, C. ; FERREIRA, I. ; KUSTER, G. ; LOPES, J. H. . Desenvolvimento e aplicação de uma rede neural artificial para identificação de infarto agudo do miocárdio com elevação do segmento ST: uma nova ferramenta para otimização diagnóstica.. 2023. (Apresentação de Trabalho/Congresso).

• MOTA, D. M. ; BARCELLOS-FILHO FN ; WOELFFEL, M. ; FARIAS, B. ; ALMEIDA, M. ; BURGARD, C. ; FERREIRA, I. ; KUSTER, G. ; LOPES, J. H. . Desenvolvimento e aplicação de uma rede neural artificial para identificação de fibrilação atrial no eletrocardiograma: uma nova ferramenta para otimização diagnóstica.. 2023. (Apresentação de Trabalho/Congresso).

• BARCELLOS FILHO FN ; PONCIO, V. P. ; MATTEDE, M. G. S. ; SERPA, F. S. ; PIMENTEL, M. G. V. K. ; MATTEDE, K. D. . INOVAÇÃO TECNOLÓGICA DE FOTOGRAFIA MICROSCÓPICA COMO INSTRUMENTO DE ENSINO. 2018. (Apresentação de Trabalho/Congresso).

• BRANDÃ ; BARCELLOS FILHO FN ; PAULO, M. S. L. ; MORAIS, G. V. ; PINASCO GC . INTEGRAÇÃO DE LABORATÓRIO DE INFORMÁTICA À PRÁTICA DOCENTE EM MEDICINA - RELATO DE EXPERIÊNCIA. 2018. (Apresentação de Trabalho/Congresso).

• FERREIRA, T. Q. W. ; BARCELLOS FILHO FN ; PINASCO GC ; LAGE, S. N. . PLATAFORMA DE APRENDIZAGEM: RELATO DE EXPERIÊNCIA, MAPAS MENTAIS COMO FERRAMENTA DE APRENDIZADO.. 2018. (Apresentação de Trabalho/Congresso).

• PINTO, T. C. ; BARCELLOS FILHO FN ; PINASCO GC ; MACHADO, E. E. ; FERREIRA, R. P. C. . Aprendizagens na Monitoria: Educação Médica e Mudanças na Proposta de Ensino. 2018. (Apresentação de Trabalho/Congresso).

• FERNANDES, F. O. B. ; BARCELLOS FILHO FN ; ARAGÃ ; PINASCO GC ; SANTOS, A. S. ; FIOROT, D. M. . PRONTUÁRIOS MÉDICOS INCOMPLETOS EM HOSPITAL ESCOLA: RELATO DE EXPERIÊNCIA. 2018. (Apresentação de Trabalho/Congresso).

• ARAÚ ; BALESTRERO, J. G. P. ; BEIRIZ, Y. R. ; BARCELLOS FILHO, F. N. ; PINASCO GC . Plataforma de aprendizagem: um relato de experiência tecnológico na educação. 2018. (Apresentação de Trabalho/Congresso).

• PONCIO, V. P. ; BARCELLOS FILHO FN ; CAPRINI, M. D. ; PINASCO GC ; PEROBA, G. G. P. A. . TECNOLOGIA NO ENGAJAMENTO DO APRENDIZADO BASEADO EM PROJETO.. 2018. (Apresentação de Trabalho/Congresso).

• SANTANA JCP ; BARCELLOS FILHO, F. N. . No IData - Integração de Dados do SIM e SINASC sem Identificação do Usuário. 2017. (Apresentação de Trabalho/Outra).

Outras produções

Projetos de pesquisa

• 2016 - 2017

  Parental exposure to pesticides and high incidence of congenital anomalies, Descrição: Investigar se existe associação entre a exposição aos pesticidas (principalmente organofosforados) e as anomalias congênitas em puérperas atendidas nas maternidades dos Hospitais Santa Casa de Misericórdia de Vitória (HSCMV) e Universitário Cassiano Antônio de Moraes (HUCAM) do Espírito Santo. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Bruno Guimarães Marcarini - Integrante / Aline Ximenes Fragoso - Integrante / Eliete Rabbi Bortolini - Integrante / Flávia Imbroisi Valle Errera - Coordenador / Lara Gonçalves Louzada - Integrante.

• 2015 - 2018

  Estudo do gene beta-adrenérgico (ADRB2) e a suscetibilidade à asma na população de Vitória-ES, Situação: Desativado; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (6) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Bruno Guimarães Marcarini - Integrante / Flávia Imbroisi Valle Errera - Coordenador / fernanda chagas reuter motta - Integrante / renan colmeia - Integrante / mateus saiter - Integrante / Faradiba Sarquis Serpa - Integrante / Firmino Braga - Integrante / Bruna dos Anjos Bortolini - Integrante.

Projetos de desenvolvimento

• 2019 - Atual

  ALGORITMO DE PREDIÇÃO DE MORTALIDADE: INOVAÇÃO EM SAÚDE MATERNO-INFANTIL, Descrição: A taxa de mortalidade infantil é uma medida utilizada para avaliar diversas características de uma população, como por exemplo a qualidade de vida e os cuidados de saúde de sua população infantil. Foi verificada a associação entre fatores de risco biológicos e óbito nos primeiros 28 dias de vida, descrita por vários autores, em especial no período perinatal. Sabe-se que, mesmo ao notificar dados de informações de nascimento e mortalidade infantil, a integração e o estudo dos dados gerados ainda é escasso. Nesse contexto, este projeto busca a construção de um banco de dados integrados, com agregação de informações provenientes do SIM e SINASC, extraídos diretamente da plataforma da Secretaria Municipal de Saúde de Vitória (SEMUS). Objetivo: desenvolver um algoritmo de predição de mortalidade infantil com base em dados do Sistema de Informação de Nascidos Vivos e de Sistema de Informação de Mortalidade Infantil. Métodos: Estudo tipo coorte retrospectiva em que serão avaliados todos os casos de óbito infantil em ambos os sexos, conforme dados do Sistema de Informação de Mortalidade e do Sistema de Informação de Nascidos Vivos da Secretaria Municipal de Saúde de Vitória (SEMUS), entre os anos 2000-2018. Os dados de óbito infantil serão pareados na proporção de 1:2 (óbito:não óbito), prevendo um total de 2400 registros a serem avaliados. Os bancos de dados serão integrados por linkage probabilístico. Será feita análise exploratória de dados a fim de selecionar as melhores ferramentas de análise estatística. Conforme qualidade dos dados , se as variáveis são nominais serão aplicados teste exato de Fisher ou teste do Qui-quadrado para amostras independentes ou o teste de Cochran para amostras relacionadas e no caso de variáveis ordinais serão utilizados o Teste de Friedman para amostras relacionadas e o Teste de extensão da mediana para amostras independentes. Após será realizada a regressão logística para criação do modelo preditivo de mortalidade infantil. Resultados e impacto esperados: Espera-se desenvolver um algoritmo capaz de predizer mortalidade infantil, a partir de dados epidemiológicos, biológicos e de condições de assistência à gestante-parto-nascimento. Desta forma, é importante que se faça a identificação precoce de grupos de risco para o óbito no início da vida, por ter impacto profundo na saúde, no convívio em comunidade e na gestão de recursos para prevenção e assistência à saúde.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Fabiano Filho - Coordenador / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Integrante / SÉRGIO NERY SIMÕES - Integrante.

• 2019 - Atual

  ALGORITMO DE PREDIÇÃO DE MORTALIDADE: INOVAÇÃO EM SAÚDE MATERNO-INFANTIL, Descrição: A taxa de mortalidade infantil é uma medida utilizada para avaliar diversas características de uma população, como por exemplo a qualidade de vida e os cuidados de saúde de sua população infantil. Foi verificada a associação entre fatores de risco biológicos e óbito nos primeiros 28 dias de vida, descrita por vários autores, em especial no período perinatal. Sabe-se que, mesmo ao notificar dados de informações de nascimento e mortalidade infantil, a integração e o estudo dos dados gerados ainda é escasso. Nesse contexto, este projeto busca a construção de um banco de dados integrados, com agregação de informações provenientes do SIM e SINASC, extraídos diretamente da plataforma da Secretaria Municipal de Saúde de Vitória (SEMUS). Objetivo: desenvolver um algoritmo de predição de mortalidade infantil com base em dados do Sistema de Informação de Nascidos Vivos e de Sistema de Informação de Mortalidade Infantil. Métodos: Estudo tipo coorte retrospectiva em que serão avaliados todos os casos de óbito infantil em ambos os sexos, conforme dados do Sistema de Informação de Mortalidade e do Sistema de Informação de Nascidos Vivos da Secretaria Municipal de Saúde de Vitória (SEMUS), entre os anos 2000-2018. Os dados de óbito infantil serão pareados na proporção de 1:2 (óbito:não óbito), prevendo um total de 2400 registros a serem avaliados. Os bancos de dados serão integrados por linkage probabilístico. Será feita análise exploratória de dados a fim de selecionar as melhores ferramentas de análise estatística. Conforme qualidade dos dados , se as variáveis são nominais serão aplicados teste exato de Fisher ou teste do Qui-quadrado para amostras independentes ou o teste de Cochran para amostras relacionadas e no caso de variáveis ordinais serão utilizados o Teste de Friedman para amostras relacionadas e o Teste de extensão da mediana para amostras independentes. Após será realizada a regressão logística para criação do modelo preditivo de mortalidade infantil. Resultados e impacto esperados: Espera-se desenvolver um algoritmo capaz de predizer mortalidade infantil, a partir de dados epidemiológicos, biológicos e de condições de assistência à gestante-parto-nascimento. Desta forma, é importante que se faça a identificação precoce de grupos de risco para o óbito no início da vida, por ter impacto profundo na saúde, no convívio em comunidade e na gestão de recursos para prevenção e assistência à saúde.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Fabiano Filho - Coordenador / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Integrante / SÉRGIO NERY SIMÕES - Integrante.

• 2020 - Atual

  MACHINE LEARNING E PREDIÇÃO DIAGNÓSTICA DA COVID-19, Descrição: A COVID-19 (Coronavirus Disease 2019) é uma doença viral ocasionada pelo vírus Sars-Cov2, que foi declarada como pandemia pela OMS e já apresenta mais de 3 milhões de infectados no mundo e 230 mil mortes. Os testes diagnósticos que utilizam RT ? qPCR ainda apresentam dúvidas quanto ao seu rendimento e confiabilidade e nem sempre estão em disponíveis para serem realizados. A publicação de artigos relacionados ao uso de Machine Learning (ML) para suporte a decisões clínicas, classificação de tomografias e diagnóstico da COVID-19 está em crescente e mostrando resultados promissores para melhor lidar com a pandemia. O objetivo do presente estudo é utilizar variáveis clínicas e demográficas colhidas de prontuários de pacientes admitidos em hospitais, unidades de saúde e unidades de pronto atendimento de Vitória, ES, com suspeita de COVID-19 para criação de modelos de ML para diagnosticar COVID-19.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (5) / Doutorado: (2) . , Integrantes: Fabiano Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Coordenador / Eduardo Moreno Júdice de Mattos Farina - Integrante / Willer França Fiorotti - Integrante / Sheila Cristina de Souza Cruz - Integrante.

• 2020 - Atual

  TELECOVID, Descrição: Uma plataforma digital que permite a triagem, a telemedicina com profissionais de saúde para atendimento e acompanhamento e, a gestão dos dados da infecção do COVID-19 em tempo real.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) / Mestrado profissional: (1) / Doutorado: (1) . , Integrantes: Fabiano Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / João Carlos Pandolfi Santana - Integrante / Gustavo Carreiro Pinasco - Coordenador / Jamil Cade - Integrante / Eduardo Moreno Júdice de Mattos Farina - Integrante.

• 2019 - Atual

  ALGORITMO DE PREDIÇÃO DE MORTALIDADE: INOVAÇÃO EM SAÚDE MATERNO-INFANTIL, Descrição: A taxa de mortalidade infantil é uma medida utilizada para avaliar diversas características de uma população, como por exemplo a qualidade de vida e os cuidados de saúde de sua população infantil. Foi verificada a associação entre fatores de risco biológicos e óbito nos primeiros 28 dias de vida, descrita por vários autores, em especial no período perinatal. Sabe-se que, mesmo ao notificar dados de informações de nascimento e mortalidade infantil, a integração e o estudo dos dados gerados ainda é escasso. Nesse contexto, este projeto busca a construção de um banco de dados integrados, com agregação de informações provenientes do SIM e SINASC, extraídos diretamente da plataforma da Secretaria Municipal de Saúde de Vitória (SEMUS). Objetivo: desenvolver um algoritmo de predição de mortalidade infantil com base em dados do Sistema de Informação de Nascidos Vivos e de Sistema de Informação de Mortalidade Infantil. Métodos: Estudo tipo coorte retrospectiva em que serão avaliados todos os casos de óbito infantil em ambos os sexos, conforme dados do Sistema de Informação de Mortalidade e do Sistema de Informação de Nascidos Vivos da Secretaria Municipal de Saúde de Vitória (SEMUS), entre os anos 2000-2018. Os dados de óbito infantil serão pareados na proporção de 1:2 (óbito:não óbito), prevendo um total de 2400 registros a serem avaliados. Os bancos de dados serão integrados por linkage probabilístico. Será feita análise exploratória de dados a fim de selecionar as melhores ferramentas de análise estatística. Conforme qualidade dos dados , se as variáveis são nominais serão aplicados teste exato de Fisher ou teste do Qui-quadrado para amostras independentes ou o teste de Cochran para amostras relacionadas e no caso de variáveis ordinais serão utilizados o Teste de Friedman para amostras relacionadas e o Teste de extensão da mediana para amostras independentes. Após será realizada a regressão logística para criação do modelo preditivo de mortalidade infantil. Resultados e impacto esperados: Espera-se desenvolver um algoritmo capaz de predizer mortalidade infantil, a partir de dados epidemiológicos, biológicos e de condições de assistência à gestante-parto-nascimento. Desta forma, é importante que se faça a identificação precoce de grupos de risco para o óbito no início da vida, por ter impacto profundo na saúde, no convívio em comunidade e na gestão de recursos para prevenção e assistência à saúde.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Fabiano Filho - Coordenador / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Integrante / SÉRGIO NERY SIMÕES - Integrante.

• 2019 - Atual

  MACHINE LEARNING E PREDIÇÃO DO TIPO DE AVC, Descrição: Projeto com intuito de predizer o tipo de acidente vascular cerebral através de algoritmos de machine learning com variáveis clínicas e fatores de risco.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) . , Integrantes: Fabiano Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Eduardo Moreno Júdice de Mattos Farina - Integrante / RAMON CHIABAI MOURA - Integrante / José Antônio Fiorot Júnio - Coordenador.

• 2020 - Atual

  MACHINE LEARNING E PREDIÇÃO DIAGNÓSTICA DA COVID-19, Descrição: A COVID-19 (Coronavirus Disease 2019) é uma doença viral ocasionada pelo vírus Sars-Cov2, que foi declarada como pandemia pela OMS e já apresenta mais de 3 milhões de infectados no mundo e 230 mil mortes. Os testes diagnósticos que utilizam RT ? qPCR ainda apresentam dúvidas quanto ao seu rendimento e confiabilidade e nem sempre estão em disponíveis para serem realizados. A publicação de artigos relacionados ao uso de Machine Learning (ML) para suporte a decisões clínicas, classificação de tomografias e diagnóstico da COVID-19 está em crescente e mostrando resultados promissores para melhor lidar com a pandemia. O objetivo do presente estudo é utilizar variáveis clínicas e demográficas colhidas de prontuários de pacientes admitidos em hospitais, unidades de saúde e unidades de pronto atendimento de Vitória, ES, com suspeita de COVID-19 para criação de modelos de ML para diagnosticar COVID-19.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (5) / Doutorado: (2) . , Integrantes: Fabiano Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Coordenador / Eduardo Moreno Júdice de Mattos Farina - Integrante / Willer França Fiorotti - Integrante / Sheila Cristina de Souza Cruz - Integrante.

• 2020 - Atual

  TELECOVID, Descrição: Uma plataforma digital que permite a triagem, a telemedicina com profissionais de saúde para atendimento e acompanhamento e, a gestão dos dados da infecção do COVID-19 em tempo real.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) / Mestrado profissional: (1) / Doutorado: (1) . , Integrantes: Fabiano Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / João Carlos Pandolfi Santana - Integrante / Gustavo Carreiro Pinasco - Coordenador / Jamil Cade - Integrante / Eduardo Moreno Júdice de Mattos Farina - Integrante.

• 2019 - Atual

  MACHINE LEARNING E PREDIÇÃO DO TIPO DE AVC, Descrição: Projeto com intuito de predizer o tipo de acidente vascular cerebral através de algoritmos de machine learning com variáveis clínicas e fatores de risco.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) . , Integrantes: Fabiano Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Eduardo Moreno Júdice de Mattos Farina - Integrante / RAMON CHIABAI MOURA - Integrante / José Antônio Fiorot Júnio - Coordenador.

• 2019 - Atual

  ALGORITMO DE PREDIÇÃO DE MORTALIDADE: INOVAÇÃO EM SAÚDE MATERNO-INFANTIL, Descrição: A taxa de mortalidade infantil é uma medida utilizada para avaliar diversas características de uma população, como por exemplo a qualidade de vida e os cuidados de saúde de sua população infantil. Foi verificada a associação entre fatores de risco biológicos e óbito nos primeiros 28 dias de vida, descrita por vários autores, em especial no período perinatal. Sabe-se que, mesmo ao notificar dados de informações de nascimento e mortalidade infantil, a integração e o estudo dos dados gerados ainda é escasso. Nesse contexto, este projeto busca a construção de um banco de dados integrados, com agregação de informações provenientes do SIM e SINASC, extraídos diretamente da plataforma da Secretaria Municipal de Saúde de Vitória (SEMUS). Objetivo: desenvolver um algoritmo de predição de mortalidade infantil com base em dados do Sistema de Informação de Nascidos Vivos e de Sistema de Informação de Mortalidade Infantil. Métodos: Estudo tipo coorte retrospectiva em que serão avaliados todos os casos de óbito infantil em ambos os sexos, conforme dados do Sistema de Informação de Mortalidade e do Sistema de Informação de Nascidos Vivos da Secretaria Municipal de Saúde de Vitória (SEMUS), entre os anos 2000-2018. Os dados de óbito infantil serão pareados na proporção de 1:2 (óbito:não óbito), prevendo um total de 2400 registros a serem avaliados. Os bancos de dados serão integrados por linkage probabilístico. Será feita análise exploratória de dados a fim de selecionar as melhores ferramentas de análise estatística. Conforme qualidade dos dados , se as variáveis são nominais serão aplicados teste exato de Fisher ou teste do Qui-quadrado para amostras independentes ou o teste de Cochran para amostras relacionadas e no caso de variáveis ordinais serão utilizados o Teste de Friedman para amostras relacionadas e o Teste de extensão da mediana para amostras independentes. Após será realizada a regressão logística para criação do modelo preditivo de mortalidade infantil. Resultados e impacto esperados: Espera-se desenvolver um algoritmo capaz de predizer mortalidade infantil, a partir de dados epidemiológicos, biológicos e de condições de assistência à gestante-parto-nascimento. Desta forma, é importante que se faça a identificação precoce de grupos de risco para o óbito no início da vida, por ter impacto profundo na saúde, no convívio em comunidade e na gestão de recursos para prevenção e assistência à saúde.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Fabiano Filho - Coordenador / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Integrante / SÉRGIO NERY SIMÕES - Integrante.

• 2022 - Atual

  DESENVOLVIMENTO DE UM MODELO DE PREDIÇÃO DA IDADE BIOLÓGICA A PARTIR DE IMAGENS DE TOMOGRAFIA COMPUTADORIZADA DE CABEÇA, Descrição: O projeto tem como objetivo desenvolver um modelo de predição da idade cerebral a partir de imagens de tomografia computadorizada (TC) de cabeça, utilizando técnicas de aprendizado profundo. A idade cerebral é um marcador crucial em indivíduos com doenças neurológicas graves, e a predição precisa dessa idade é fundamental para o cuidado e a qualidade de vida desses pacientes. A maioria dos estudos existentes sobre predição da idade cerebral com aprendizado profundo concentra-se em conjuntos de dados de ressonância magnética (RM), limitando a generalização desses modelos para a prática clínica. Este projeto visa preencher essa lacuna, desenvolvendo um modelo mais robusto baseado em dados de TC, uma modalidade amplamente disponível para avaliação neurológica. O modelo será treinado em um conjunto de dados de TC de cabeça anonimizados e coletados do Hospital Israelita Albert Einstein. Serão utilizadas técnicas avançadas de redes neurais para a predição da idade cerebral, e a validação será feita por meio de métricas apropriadas, comparando as predições do modelo com a idade cronológica real dos pacientes. O resultado esperado é um modelo eficiente e generalizável, que poderá ser utilizado para auxiliar no diagnóstico e tratamento de pacientes com doenças neurológicas graves, melhorando o atendimento médico e contribuindo para o avanço da pesquisa na área da saúde.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Fabiano Barcellos Filho - Coordenador / Fabiano Novaes Barcellos Filho - Integrante / Artur José Marques Paulo - Integrante / Tayran M. M. Olegário - Integrante / Bruna G. G. Pinto - Integrante / Rafael M. Loureiro - Integrante / Guilherme A. S Ribeiro - Integrante / Camila A. Silva - Integrante / Regiane M. R Carvalho - Integrante / Paulo V. Santos - Integrante / Eduardo P. Reis - Integrante / Giovanna S. Mendes - Integrante / Joselisa P. Q de Paiva - Integrante / Márcio R. C. Reis - Integrante / Letícia Rittner - Integrante.

• 2020 - 2021

  MACHINE LEARNING E PREDIÇÃO DIAGNÓSTICA DA COVID-19, Descrição: A COVID-19 (Coronavirus Disease 2019) é uma doença viral ocasionada pelo vírus Sars-Cov2, que foi declarada como pandemia pela OMS e já apresenta mais de 3 milhões de infectados no mundo e 230 mil mortes. Os testes diagnósticos que utilizam RT ? qPCR ainda apresentam dúvidas quanto ao seu rendimento e confiabilidade e nem sempre estão em disponíveis para serem realizados. A publicação de artigos relacionados ao uso de Machine Learning (ML) para suporte a decisões clínicas, classificação de tomografias e diagnóstico da COVID-19 está em crescente e mostrando resultados promissores para melhor lidar com a pandemia. O objetivo do presente estudo é utilizar variáveis clínicas e demográficas colhidas de prontuários de pacientes admitidos em hospitais, unidades de saúde e unidades de pronto atendimento de Vitória, ES, com suspeita de COVID-19 para criação de modelos de ML para diagnosticar COVID-19.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (5) / Doutorado: (2) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Coordenador / Eduardo Moreno Júdice de Mattos Farina - Integrante / Willer França Fiorotti - Integrante / Sheila Cristina de Souza Cruz - Integrante.

• 2020 - 2021

  TELECOVID, Descrição: Uma plataforma digital que permite a triagem, a telemedicina com profissionais de saúde para atendimento e acompanhamento e, a gestão dos dados da infecção do COVID-19 em tempo real.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) / Mestrado profissional: (1) / Doutorado: (1) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / João Carlos Pandolfi Santana - Integrante / Gustavo Carreiro Pinasco - Coordenador / Jamil Cade - Integrante / Eduardo Moreno Júdice de Mattos Farina - Integrante.

• 2019 - 2020

  MACHINE LEARNING E PREDIÇÃO DO TIPO DE AVC, Descrição: Projeto com intuito de predizer o tipo de acidente vascular cerebral através de algoritmos de machine learning com variáveis clínicas e fatores de risco.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Eduardo Moreno Júdice de Mattos Farina - Integrante / RAMON CHIABAI MOURA - Integrante / José Antônio Fiorot Júnio - Coordenador.

• 2019 - Atual

  ALGORITMO DE PREDIÇÃO DE MORTALIDADE: INOVAÇÃO EM SAÚDE MATERNO-INFANTIL, Descrição: A taxa de mortalidade infantil é uma medida utilizada para avaliar diversas características de uma população, como por exemplo a qualidade de vida e os cuidados de saúde de sua população infantil. Foi verificada a associação entre fatores de risco biológicos e óbito nos primeiros 28 dias de vida, descrita por vários autores, em especial no período perinatal. Sabe-se que, mesmo ao notificar dados de informações de nascimento e mortalidade infantil, a integração e o estudo dos dados gerados ainda é escasso. Nesse contexto, este projeto busca a construção de um banco de dados integrados, com agregação de informações provenientes do SIM e SINASC, extraídos diretamente da plataforma da Secretaria Municipal de Saúde de Vitória (SEMUS). Objetivo: desenvolver um algoritmo de predição de mortalidade infantil com base em dados do Sistema de Informação de Nascidos Vivos e de Sistema de Informação de Mortalidade Infantil. Métodos: Estudo tipo coorte retrospectiva em que serão avaliados todos os casos de óbito infantil em ambos os sexos, conforme dados do Sistema de Informação de Mortalidade e do Sistema de Informação de Nascidos Vivos da Secretaria Municipal de Saúde de Vitória (SEMUS), entre os anos 2000-2018. Os dados de óbito infantil serão pareados na proporção de 1:2 (óbito:não óbito), prevendo um total de 2400 registros a serem avaliados. Os bancos de dados serão integrados por linkage probabilístico. Será feita análise exploratória de dados a fim de selecionar as melhores ferramentas de análise estatística. Conforme qualidade dos dados , se as variáveis são nominais serão aplicados teste exato de Fisher ou teste do Qui-quadrado para amostras independentes ou o teste de Cochran para amostras relacionadas e no caso de variáveis ordinais serão utilizados o Teste de Friedman para amostras relacionadas e o Teste de extensão da mediana para amostras independentes. Após será realizada a regressão logística para criação do modelo preditivo de mortalidade infantil. Resultados e impacto esperados: Espera-se desenvolver um algoritmo capaz de predizer mortalidade infantil, a partir de dados epidemiológicos, biológicos e de condições de assistência à gestante-parto-nascimento. Desta forma, é importante que se faça a identificação precoce de grupos de risco para o óbito no início da vida, por ter impacto profundo na saúde, no convívio em comunidade e na gestão de recursos para prevenção e assistência à saúde.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Coordenador.

• 2022 - Atual

  DESENVOLVIMENTO DE UM MODELO DE PREDIÇÃO DA IDADE BIOLÓGICA A PARTIR DE IMAGENS DE TOMOGRAFIA COMPUTADORIZADA DE CABEÇA, Descrição: O projeto tem como objetivo desenvolver um modelo de predição da idade cerebral a partir de imagens de tomografia computadorizada (TC) de cabeça, utilizando técnicas de aprendizado profundo. A idade cerebral é um marcador crucial em indivíduos com doenças neurológicas graves, e a predição precisa dessa idade é fundamental para o cuidado e a qualidade de vida desses pacientes. A maioria dos estudos existentes sobre predição da idade cerebral com aprendizado profundo concentra-se em conjuntos de dados de ressonância magnética (RM), limitando a generalização desses modelos para a prática clínica. Este projeto visa preencher essa lacuna, desenvolvendo um modelo mais robusto baseado em dados de TC, uma modalidade amplamente disponível para avaliação neurológica. O modelo será treinado em um conjunto de dados de TC de cabeça anonimizados e coletados do Hospital Israelita Albert Einstein. Serão utilizadas técnicas avançadas de redes neurais para a predição da idade cerebral, e a validação será feita por meio de métricas apropriadas, comparando as predições do modelo com a idade cronológica real dos pacientes. O resultado esperado é um modelo eficiente e generalizável, que poderá ser utilizado para auxiliar no diagnóstico e tratamento de pacientes com doenças neurológicas graves, melhorando o atendimento médico e contribuindo para o avanço da pesquisa na área da saúde.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: Fabiano Barcellos Filho - Coordenador / Fabiano Novaes Barcellos Filho - Integrante / Artur José Marques Paulo - Integrante / Tayran M. M. Olegário - Integrante / Bruna G. G. Pinto - Integrante / Rafael M. Loureiro - Integrante / Guilherme A. S Ribeiro - Integrante / Camila A. Silva - Integrante / Regiane M. R Carvalho - Integrante / Paulo V. Santos - Integrante / Eduardo P. Reis - Integrante / Giovanna S. Mendes - Integrante / Joselisa P. Q de Paiva - Integrante / Márcio R. C. Reis - Integrante / Letícia Rittner - Integrante.

• 2020 - 2021

  MACHINE LEARNING E PREDIÇÃO DIAGNÓSTICA DA COVID-19, Descrição: A COVID-19 (Coronavirus Disease 2019) é uma doença viral ocasionada pelo vírus Sars-Cov2, que foi declarada como pandemia pela OMS e já apresenta mais de 3 milhões de infectados no mundo e 230 mil mortes. Os testes diagnósticos que utilizam RT ? qPCR ainda apresentam dúvidas quanto ao seu rendimento e confiabilidade e nem sempre estão em disponíveis para serem realizados. A publicação de artigos relacionados ao uso de Machine Learning (ML) para suporte a decisões clínicas, classificação de tomografias e diagnóstico da COVID-19 está em crescente e mostrando resultados promissores para melhor lidar com a pandemia. O objetivo do presente estudo é utilizar variáveis clínicas e demográficas colhidas de prontuários de pacientes admitidos em hospitais, unidades de saúde e unidades de pronto atendimento de Vitória, ES, com suspeita de COVID-19 para criação de modelos de ML para diagnosticar COVID-19.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (5) / Doutorado: (2) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Coordenador / Eduardo Moreno Júdice de Mattos Farina - Integrante / Willer França Fiorotti - Integrante / Sheila Cristina de Souza Cruz - Integrante.

• 2020 - 2021

  TELECOVID, Descrição: Uma plataforma digital que permite a triagem, a telemedicina com profissionais de saúde para atendimento e acompanhamento e, a gestão dos dados da infecção do COVID-19 em tempo real.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) / Mestrado profissional: (1) / Doutorado: (1) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / João Carlos Pandolfi Santana - Integrante / Gustavo Carreiro Pinasco - Coordenador / Jamil Cade - Integrante / Eduardo Moreno Júdice de Mattos Farina - Integrante.

• 2019 - 2020

  MACHINE LEARNING E PREDIÇÃO DO TIPO DE AVC, Descrição: Projeto com intuito de predizer o tipo de acidente vascular cerebral através de algoritmos de machine learning com variáveis clínicas e fatores de risco.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Eduardo Moreno Júdice de Mattos Farina - Integrante / RAMON CHIABAI MOURA - Integrante / José Antônio Fiorot Júnio - Coordenador.

• 2019 - Atual

  ALGORITMO DE PREDIÇÃO DE MORTALIDADE: INOVAÇÃO EM SAÚDE MATERNO-INFANTIL, Descrição: A taxa de mortalidade infantil é uma medida utilizada para avaliar diversas características de uma população, como por exemplo a qualidade de vida e os cuidados de saúde de sua população infantil. Foi verificada a associação entre fatores de risco biológicos e óbito nos primeiros 28 dias de vida, descrita por vários autores, em especial no período perinatal. Sabe-se que, mesmo ao notificar dados de informações de nascimento e mortalidade infantil, a integração e o estudo dos dados gerados ainda é escasso. Nesse contexto, este projeto busca a construção de um banco de dados integrados, com agregação de informações provenientes do SIM e SINASC, extraídos diretamente da plataforma da Secretaria Municipal de Saúde de Vitória (SEMUS). Objetivo: desenvolver um algoritmo de predição de mortalidade infantil com base em dados do Sistema de Informação de Nascidos Vivos e de Sistema de Informação de Mortalidade Infantil. Métodos: Estudo tipo coorte retrospectiva em que serão avaliados todos os casos de óbito infantil em ambos os sexos, conforme dados do Sistema de Informação de Mortalidade e do Sistema de Informação de Nascidos Vivos da Secretaria Municipal de Saúde de Vitória (SEMUS), entre os anos 2000-2018. Os dados de óbito infantil serão pareados na proporção de 1:2 (óbito:não óbito), prevendo um total de 2400 registros a serem avaliados. Os bancos de dados serão integrados por linkage probabilístico. Será feita análise exploratória de dados a fim de selecionar as melhores ferramentas de análise estatística. Conforme qualidade dos dados , se as variáveis são nominais serão aplicados teste exato de Fisher ou teste do Qui-quadrado para amostras independentes ou o teste de Cochran para amostras relacionadas e no caso de variáveis ordinais serão utilizados o Teste de Friedman para amostras relacionadas e o Teste de extensão da mediana para amostras independentes. Após será realizada a regressão logística para criação do modelo preditivo de mortalidade infantil. Resultados e impacto esperados: Espera-se desenvolver um algoritmo capaz de predizer mortalidade infantil, a partir de dados epidemiológicos, biológicos e de condições de assistência à gestante-parto-nascimento. Desta forma, é importante que se faça a identificação precoce de grupos de risco para o óbito no início da vida, por ter impacto profundo na saúde, no convívio em comunidade e na gestão de recursos para prevenção e assistência à saúde.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (2) . , Integrantes: Fabiano Barcellos Filho - Integrante / Fabiano Novaes Barcellos Filho - Integrante / Gustavo Carreiro Pinasco - Coordenador.

Prêmios