Bolsa de TT-V em Engenharia Biomédica

Level 5-Technical Training Fellowship in Biomedical Engineering

Nº: 5563

Área de conhecimento: Ciência da Computação

Field of knowledge: Computer science

Nº do processo FAPESP: 2021/06137-4

FAPESP process: 2021/06137-4

Título do projeto: Prevendo Eventos Cardiovasculares Usando Aprendizado de Máquina

Project title: Predicting Cardiovascular Events Using Machine Learning

Área de atuação: Engenharia Biomédica

Working area: Biomedical Engineering

Quantidade de vagas: 1

Number of places: 1

Pesquisador responsável: Paulo Mazzoncini de Azevedo Marques

Principal investigator: Paulo Mazzoncini de Azevedo Marques

Unidade/Instituição: Faculdade de Medicina de Ribeirão Preto (FMRP-USP)

Unit/Instituition: Faculdade de Medicina de Ribeirão Preto (FMRP-USP)

Data limite para inscrições: 25/11/2022

Deadline for submissions: 2022-11-25

Publicado em: 04/11/2022

Publishing date: 2022-11-04

Localização: Rua Tenente Catão Roxo, 3900 (Centro de Ciências das Imagens e Física Médica – HC-FMRP-USP, 2º andar), Ribeirão Preto

Locale: Rua Tenente Catão Roxo, 3900 (Centro de Ciências das Imagens e Física Médica – HC-FMRP-USP, 2º andar), Ribeirão Preto

E-mail para inscrições: pmarques@fmrp.usp.br

E-mail for proposal submission: pmarques@fmrp.usp.br

  • Resumo

    Este projeto está associado a um consórcio internacional, com coordenação geral do Prof. Peter P. Rainer, Medical University of Graz (Áustria), coordenação local do Prof. Paulo Mazzoncini de Azevedo-Marques, Faculdade de Medicina de Ribeirão Preto – Universidade de São Paulo e participação de pesquisadores do Hasso Plattner Institute for Digital Engineering – University of Potsdam (Alemanha) e Karolinska Institutet – Department of Clinical Sciences, Danderyd Hospital (Suécia).

    O bolsista de Treinamento Técnico nível cinco (TT-V) irá trabalhar com validação e melhoria de modelos de aprendizado de máquina para previsão de eventos cardiovasculares. Deverá organizar e pré-processar uma coorte local de pacientes, garantindo a harmonização dos dados em conformidade com os padrões adotados pelos parceiros internacionais, com base no OMOP-CDM. O bolsista também deverá apoiar o processo de validação e atualização do modelo de aprendizado de máquina que será disponibilizado pelo consórcio, o que será feito através de uma abordagem de aprendizagem federada.

    Alta capacidade de programação em Phyton, R, Docker é necessária.

    A pesquisa será desenvolvida no Centro de Ciências das Imagens e Física Médica (CCIFM) do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto (HCFMRP) da Universidade de São Paulo, em Ribeirão Preto (SP).

    Mais informações sobre requisitos e benefícios da Bolsa FAPESP TT-V estão em fapesp.br/3098 e fapesp.br/3162.