Você pode ver todas as minhas publicações no meu perfil do Google Scholar e a minha trajetória no meu Lattes.
Atualmente, faço parte do Visualization group, no Centro de Inteligência Artificial em Pesquisa de Saúde Pública, ZKI-PH, no Instituto Robert Koch. O grupo é liderado pelo PD. Dr. Georges Hattab, meu orientador.
PhD#
Título: Aprendizagem não supervisionada para indicadores de vigilância
O monitoramento dos sintomas dos pacientes é fundamental para o rastreamento de doenças e a detecção de possíveis surtos. Os especialistas em saúde pública usam um conjunto de critérios chamados síndromes, que são definidos por sintomas, códigos de doenças e condições clínicas. Essas síndromes representam várias doenças, como a COVID-19 e a gripe. Os dados coletados por meio desses critérios sindrômicos são então agregados e compartilhados com o Ministério da Saúde e o público para ajudar a monitorar e gerenciar a disseminação de doenças infecciosas. No entanto, a definição dessas síndromes é um processo manual que exige muito trabalho. O aprendizado de máquina não supervisionado oferece uma solução com o objetivo de encontrar padrões nos dados e propor novos indicadores de vigilância, como síndromes. Essas síndromes geradas por máquinas podem então ser usadas para identificar surtos e epidemias o mais cedo possível.
Palavras-chave: vigilância sindrômica, aprendizado não supervisionado, surtos
Publicações#
Ferreira, A. P. G., Anžel, A., Marcilio, I., Hughes, H., Elliot, A. J., Kong, J. D., Schranz, M., Ullrich, A., Hattab, G. (2026). The Open Syndrome Definition as a Machine-Readable Standard for Public Health: Design and Implementation Study, J Med Internet Res, 2026; 28: e86249. DOI: 10.2196/86249
Ferreira, A. P. G., Anžel, A., Ullrich, A., Hattab, G (2026). Advocating the potential of artificial intelligence for syndrome discovery in syndromic surveillance systems: A scoping review, iScience, 2026; 29.
Em revisão#
- Ferreira, A. P. G., Anžel, A., Veras, P. T., Ramos, P. I. P., Barral-Netto, M., Marcilio, I., Hattab, G. A multi-view similarity network fusion framework for syndrome discovery from aggregated health records.
- Ferreira, A. P. G., Anžel, A., Ullrich, A., Hattab, G. Bridging the gap between national ICD-10 adaptations using graph theory and multilingual embeddings.
Tem mais vindo por aí!
Apresentações#
- Exposição de pôster na Conferência de Saúde Pública da Lusofonia (pré-conferência para a Conferência Europeia de Saúde Pública) em 11 de novembro de 2024.
- Apresentação Advocating the Potential of AI for Syndrome Discovery no evento “Das lições aprendidas aos métodos inovadores: Strengthening the Exchange of Syndromic Surveillance Systems Globally (SSSG)” (pré-conferência para a Conferência Europeia de Saúde Pública) em 12 de novembro de 2024.
Aplicações#
Mais em breve!
- Open Syndrome Initiative A collaborative initiative to standardize and modernize disease surveillance through machine-readable case definitions
- Peneira: pesquisa em massa de artigos para sua próxima revisão de literatura