Funding:
Projetos de IC&DT "AI 4 COVID-19: Ciência dos Dados e Inteligência Artificial na Administração Pública para reforçar o combate à COVID 19 e futuras pandemias - 2020
Project Acronym: PREMO
Project Name: Modelos de Previsão de Desenvolvimento da COVID-19 em Doentes de Risco para uma Medicina de Precisão
Predictive Models of COVID-19 Outcomes for Higher Risk Patients Towards a Precision Medicine
Activity years: 2020-2023
Funding: Fundação para a Ciência e a Tecnologia, I.P, na sua componente de Orçamento de Estado
Topic: Exact Sciences - Data Science
Budget: 239.963,75 €
Reference: DSAIPA/DS/0117/2020
Host Institution: Centro Hospitalar Universitário de Lisboa Central, EPE (CHULC)
Partners: Instituto Superior de Engenharia de Lisboa (ISEL); Associação do Instituto Superior Técnico para a Investigação e o Desenvolvimento (IST-ID)
Researchers (ISEL):
Professora Doutora Cecília Calado - Ciência ID: 9418-E320-3177
Description:
O projeto tem como objetivo desenvolver modelos preditivos do desenvolvimento da COVID-19, para promover decisões médicas mais rápidas e precisas, para a diminuição dos eventos graves, recuperações mais rápidas e uma redução significativa de fatalidades.
Serão avaliados diversos modelos supervisionados como Modelos Mistos Lineares Generalizados, Modelos Populacionais-Médios ou Marginais, Tempo de Eventos ou de Sobrevivência, Modelos Aditivos Generalizados, Máquinas de Vetores de Suporte, Árvores de Regressão e Redes Neuronais como Multilayer Perceptron e Redes Neuronais Aditivas Generalizadas.
The project aims to develop predictive models for COVID-19 outcomes to support medical decisions towards a faster and more precise medicine. This will lead to the decrease of severe events, more rapid recoveries and on a significant reduction of fatality cases, that consequently will reduce the pressure over specialized medical facilities. Diverse supervised models will be evaluated such as Generalized Linear Mixed Models, Marginal or Population-Average models, Time to Event Survival Models, Generalized Additive Models, Support Vector Machines, Regression Trees and Neural Networks as MultiLayer Perceptron and Generalized Additive Neural Networks. Depending on the clinical decision goal, the model selection will consider its interpretability versus precision. A pipeline modelling system will be developed that integrates inputs mainly from data type I), II) and III) pointed above. A graphical interface application will be developed that would be easy to use by the clinician to support timely decision making.
+ info: