Uncertainty quantification for machine learning models applied to photoplethysmography signals

Selecionado para financiamento na Call 2022 do programa europeu EMPIR, este projeto tem como principal objetivo desenvolver um guia de boas práticas acompanhado de um repositório de código e exemplos de referência, que especifica como as incertezas dos modelos de machine learning devem ser quantificadas quando aplicadas à avaliação de sinais de photoplethysmography. Em particular, o projeto vai investigar o desempenho, a exatidão e a fiabilidade dos modelos de machine learning quando aplicados a dados de indivíduos com antecedentes fisiológicos diversos, tais como diferentes tons de pele, sexo ou idade, de forma a evitar preconceitos e discriminação dos modelos aplicados. Participam neste projeto 6 Institutos Nacionais de Metrologia e laboratórios designados, 8 Universidades e 2 parceiros da área da saúde.

Este projeto, com uma duração de 3 anos, iniciou em setembro de 2023 e permitirá ao IPQ contribuir para o desenvolvimento de normas e guidelines nacionais e internacionais, na área da Inteligência Artificial na medicina. Um aspeto fundamental da participação do IPQ é o desenvolvimento de um guia de boas práticas para quantificação de incertezas de algoritmos de machine learning aplicados a sinais PPG, que pode servir de base para a normalização de aplicações médicas baseadas em PPG.

Contacto para mais informações: João Abrantes