Nossos algoritmos se baseam em dados históricos do hospital para aprender quando e como os eventos adversos acontecem. Depois que o algoritmo aprender a identificar os padrões de eventos, ele pode prever futuros eventos, alertando os profissionais da saúde e aumentando a segurança dos pacientes.

Temos modelos que trabalham de forma conjunta, eles têm duas missões: 1º) Detectar em um conjunto de imagens, qual delas contém alguma anormalidade. 2º) Dado uma imagem que contém uma anormalidade, determinar onde exatamente essa anormalidade está.

Vamos produzir qualquer bioativo de origem nacional ou não em ambiente controlado com altos rendimento e qualidade e pureza sob demanda da indústria de plantas medicinais e fitoterápicos

Faz reconhecimento biométrico de recém-nascidos. É um problema mais difícil que fazer reconhecimento de adultos

Tentamos estimar a atividade biológica de uma molécula (capacidade de servir como um bom medicamento) através da sua estrutura química, utilizando para isso algoritmos de inteligência artificial.

Nossa solução é um pipeline para a mineração de dados que se fundamenta na estrutura tridimensional de proteínas, utilizando ferramentas de modelagem estrutural impulsionadas por inteligência artificial.

O sistema possui vários agentes que realizam o treinamento local (uma clínica) e um agregador central que recebe todos os parâmetros de treinamento e constrói um modelo global que é redistribuído.

Trata-se de um software que dispõe de inputs de dados clínicos e de imagem e que por meio de uma Inteligência Artificial é capaz de analisar a probabilidade de recidiva de câncer de mama e pulmão.

Trata-se de um estudo de base hospitalar, utilizando dados de atendimento e internação dos pacientes do Hospital Infantil Sabará, onde os casos serão analisados juntamente com dados de poluição atmosférica e características urbanas. Os dados serão analisados de forma descritiva e exploratória (frequências, médias, desvios-padrão, valores mínimos e máximos), segundo os indicadores ambientais, urbanos e socioeconômicos. Serão construídos modelos de regressão logística, ajustados por variáveis ambientais, sociais e demográficas. Adotaremos os modelos de Redes Neurais Artificiais que obtém informações passadas acumuladas e prediz dados futuros. Este modelo é um método que constrói uma rede neural com dados de série temporal, faz a realimentação de dados e inclui ponderação das análises anteriores. Em seguida, o método de validação será usado para verificar a precisão da predição dos dados de teste. Este é um método de extrair dados de teste de uma amostra em ordem, criando um modelo várias vezes, calculando a média da precisão de predição e confirmando o desempenho desse modelo.

Usamos IA para processar um grande volume de dados de espectroscopia ótica obtidos da caraterização de tecido mamário. Treinamos algoritmos de aprendizado de maquina para perceber padrões presentes nesse grande volume de dados que são caraterísticos de tecido mamário tumoral ou sadio.

O modelo ECG-Normal recebe sinais de ECG e retorna a chance de o exame ser normal ou não. O modelo ECG-Age reecbe sinais de ECG e retorna um número correspondente à idade eletrocardiográfica do indivíduo.

A partir da coleta ocasional de urina da paciente e obtenção do registro de bioespectroscopia no equipamento FTIR, fornecer ao paciente/médico/laboratório, em menos de 1 horas o seu diagnóstico para endometriose.