Predikta em números

  • Projetos Científicos

    Mais de 50 projetos científicos realizados e ativos em diferentes áreas de pesquisa em diversas Instituições de pesquisa. Projetos mais recentemente aprovados: UTI do INCOR (USP), projetos na ortopedia e fisioterapia, na oftalmologia da Santa Casa - SP, em doenças crônicas (pé diabético / hipertensão) e na veterinária e agronomia. São mais de 20 milhões de imagens coletadas desde o início do uso da termografia pelo nosso cientista Gui em 2003. Cada projeto necessita de um conteúdo de imagens para validação e podem variar de centenas a milhões de imagens.

  • Banco de Dados

    Temos o maior banco de dados de imagens térmicas sendo coletadas no país, e um dos maiores do mundo. Com uma média de upload de aproximadamente 1,5 mil imagens térmicas por dia de diferentes porções corpóreas e pessoas. Logo devemos ter novidades na disponibilização de datasets termais (Open Data).

  • Relatórios de Corpo Inteiro

    Atingimos em setembro de 2023 mais de 15 mil relatórios de corpo inteiro com mais de 750 mil imagens de diferentes porções do corpo humano associadas a dados estruturados. Esses relatórios iniciou-se em 2017 em poucas clínicas médicas e hoje está presente no Brasil todo e em algumas fora do país.

  • Clínicas ativas

    Os relatórios de corpo inteiro estão sendo realizados em pelo menos 39 clínicas espalhadas no Brasil, dados obtidos no mês de agosto de 2023, um aumento de 21% em relação ao mês anterior.

  • Projeto Síndrome Gripal

    Nesse projeto iniciado em 2020, aprovado no comitê de ética do Hospital universitário da USP, já coletamos no Brasil mais de 5 milhões de imagens térmicas da face em 5 centros diferentes. Para validação do algoritmo em 2020, obtivemos o maior número de PCR-RT associado as imagens térmicas coletados no início da pandemia (>3k).

  • Projeto Câncer de Mama

    Nesse projeto que iniciamos em junho de 2023 em parceria com a FIDI, com comitê de ética aprovado em Hospital público de SP dentro da rotina do SUS e associando exames de imagem, já coletamos até setembro mais de 800 imagens térmicas de mama associado a outros exames, em apenas 1 hospital, estamos em processo de instalação em mais 2 nos próximos meses.

  • Projeto de pós graduação

    Em alguns projetos de mestrado ou doutorado, por ser objetivo, a metodologia de termografia auxilia em uma parte fisiológica facilitando interpretações moleculares e bioquímicas. Dessa forma, a coleta de poucas imagens permitem um desfecho do projeto. O menor banco de dados já coletado envolveu aproximadamente 50 imagens, e a análise gera milhares de variáveis, e pode levar dependendo complexidade: dias, semanas, meses ou anos. Reduzir a coleta é gerar uma falsa solução, queimando a metodologia.

  • Patente

    Em 2022 obtivemos a patente de EQUIPAMENTO E MÉTODO por meio de um parâmetro de imagem (Gomes et al, 2022), a qual se apoia nas diferentes metodologias e projetos realizados. A forma de nossa coleta e organização dos dados se baseia no método científico, isso foi possível devido a experiência prévia em projetos e as dificuldades que nosso cientistas encontravam utilizando equipamentos e protocolos não adequados que atrasavam a coleta e impossibilitavam a solução rápida de problemas.

  • Certificado de Autorização

    A Predikta em 2021 recebeu o Certificado de Autorização de Funcionamento (AFE) para desenvolvimento de softwares médicos, e estamos finalizando a validação de diferentes processos na ANVISA de protocolos para solucionar dificuldades na área da saúde.

  • Certificação ANVISA - Predikta Station

    Com muita alegria, recebemos a certificação da ANVISA neste mês (dez-23) para o método e produto, o que nos permite oferecer à sociedade avanços na saúde de maneira cada vez mais embasada. Agradecemos a toda a equipe da @Predikta por, apesar dos desafios e dificuldades enfrentados, permanecerem comprometidos com o propósito de validar antes de entregar à sociedade, sem atropelar nenhum passo nessa jornada!

Novidades e publicações científicas da Predikta

Como Funciona

howtodo site.jpg

Muito mais que uma imagem fisiológica.

A base da tecnologia envolve a transformação de informações presentes no espectro eletromagnético e invisíveis ao olho humano em imagem visível. Procurando obter o máximo do espectro e buscando padrões associados a diagnósticos médicos, e na medida que aumentamos no amostral, iniciamos por meio de machine learning em busca de avaliadores de risco por imagem. Cada patologia analisada envolve um projeto científico, o qual é formado por padrões específicos, comitê de ética e associação de diversas variáveis, não apenas de imagens, em matrizes (Big Data) em busca de padrões que permitirão especialistas praticamente imediatas da saúde humana e predição de mudanças fisiológicas.

"Fluxo automatizado dos dados. Todos passos realizados em tempo real e acelerando a obtenção dos produtos (algoritmos).
E tinha me esquecido essa nossa esteira de coleta/análise/predição/validação tem baixíssimo custo." ;) Predikta

 
fig.jpg

O embasamento e inspiração científica.

Por meio de um longo período de coletas de dados, diversos projetos científicos em instituições de pesquisa (USP, UNESP e UNICAMP) e validações realizadas, nós desenvolvemos (e continuamos desenvolvendo) alguns algoritmos capazes de avaliar o risco de diversas patologias e de buscar de sinais vitais sem nenhum contato com paciente, em tempo real e de forma não invasiva. A imensa experiência nos permite observar as informações do espectro eletromagnético associando com a fisiologia do organismo e compreendendo as informações que podemos obter, assim ajustando o protocolo ideal para realçar a disfunção em estudo.

Essa tecnologia esta baseada na do espectro da onda eletromagnética, ou seja, por meio de sensores multiespectrais registramos em um curto espaço de tempo alguns comprimentos de onda refletidos, absorvidos e emitidos. Uma análise do padrão frequencial e a intensidade da radiação eletromagnética nos permite obter uma imagem dos processos fisiológicos da pessoa no momento exato da captura da imagem, refletindo a história de vida anterior e o estado emocional e fisiológico no momento da captura (nenhum outro exame de imagem permite obter uma matriz de diversos padrões fisiológicos de forma tão imediata e profunda).

E na medida que vamos obter um grande banco de dados de imagens rotuladas e começamos a buscar padrões por meio de uso de deep learning, nós podemos desenvolver diversos produtos que avaliem alterações fisiológicas e podem predizer disfunções, permitindo a prevenção e avaliação de diversas patologias, revolucionando a área de saúde.

Ecossistemas