Notícias SPR

Desafio de Inteligência Artifical da SPR: confira os melhores resultados do início do projeto

Facebook
Twitter
LinkedIn
WhatsApp
Email

Pela primeira vez, a SPR organiza o Desafio de Inteligência Artificial para determinação do gênero e idade pela radiografia de tórax. Em parceria com a Amazon Web Services, o projeto será realizado de 28 de fevereiro a 26 de abril de 2023, por meio da plataforma Kaggle, e todos os profissionais de saúde e cientistas de dados do mundo poderão participar.

O desafio consiste em criar um modelo capaz de predizer o gênero e a faixa etária do paciente por meio da radiografia de tórax. Instituições convidadas pela SPR doarão dezenas de milhares de imagens; esses dados permitem que os participantes criem algoritmos de inteligência artificial para indicar o gênero e a idade do paciente.

O projeto já está no ar e, depois de 15 dias lançado, já contava com inscritos de todo o Brasil e de países como Egito, Síria, Chile, Estados Unidos e China – eram então 21 participantes, divididos em 17 times. Confira o depoimento dos Drs. Felipe Kitamura e Paulo Kuriki sobre o desafio.

Um dos objetivos é estimular iniciativas que apresentem com antecedência potenciais erros de identificação que podem prejudicar o paciente, além de promover atividades científicas e educacionais à comunidade de Radiologia e Diagnóstico por Imagem.

Você terá acesso à descrição do desafio e poderá entender melhor como os exames foram selecionados, anonimizados e curados para a competição. Numa outra aba, você poderá conhecer
como são calculadas as métricas de performance utilizadas para classificar o resultado dos competidores. A Sociedade preparou um script em Python para ajudar no processo de anonimização antes que cada instituição envie os dados. Será necessário também assinar um Termo de Compartilhamento de Dados.

 

 

 

      

 

Você terá acesso à descrição do desafio e poderá entender melhor como os exames foram selecionados, anonimizados e curados para a competição. Numa outra aba, você poderá conhecer como são calculadas as métricas de performance utilizadas para classificar o resultado dos competidores. A Sociedade preparou um script em Python para ajudar no processo de anonimização antes que cada instituição envie os dados. Será necessário também assinar um Termo de Compartilhamento de Dados.