Parcerias Acadêmicas e de Pesquisa
A PickCells mantém parcerias estratégicas com instituições de ensino e pesquisa, fortalecendo nossa base científica e expandindo nossa capacidade de inovação em IA aplicada à saúde.
Universidades Nacionais
Universidade de Pernambuco (UPE) / CESAR School: A PickCells mantém parceria estratégica com a UPE e CESAR School para desenvolvimento de pesquisas em IA Generativa. A UPE é uma das ICTs prestadoras de serviço no projeto FINEP de patologia digital desenvolvido pela PickCells.
Universidade Federal de Pernambuco (UFPE): O Centro de Informática (CIN-UFPE) é listado como uma das ICTs prestadoras de serviço no projeto FINEP de detecção precoce de câncer.
Universidade Católica de Pernambuco (UNICAP): Parceira no projeto de Sistema de detecção precoce do câncer por inteligência artificial aplicada à patologia digital.
Colaborações Internacionais
University of Arizona (UA): A PickCells participa do projeto "Multi-modal Approach for Predicting Infection Routes in Nursing Homes" em parceria com a College of Public Health/UA e College of Engineering/UA, contribuindo com expertise em IA aplicada à saúde.
UC Davis: Monitoramento e rastreamento da propagação viral (COVID-19) em casas de repouso de idosos utilizando aprendizado de máquina.
ETH Zurrich: Colaborações internacionais de alto nível em pesquisa com IA aplicada à saúde.
Projetos de Grande Escala e Financiamento
Projeto FINEP
FINEP (Empresa pública federal que fomenta a ciência, tecnologia e inovação) em parceria com ICTs (UFPE e UPE).
Projeto da PickCells focado na construção de um sistema de detecção precoce do câncer por IA aplicada à patologia digital (câncer de colo do útero e de estômago).
Investimento Sabin
Sabin Medicina Diagnóstica foi um dos investidores anjos da PickCells em 2020.
O laboratório Sabin manifestou interesse em participar da fase multicêntrica de validação do sistema de patologia digital desenvolvido no projeto FINEP.
Projeto Entomologia
Emprel (Prefeitura do Recife): Contrato para a solução MAIA-E (Entomologia) na contagem de ovos de Aedes Aegypti coletados em armadilhas Ovitrampas.
Otimização do tempo dos técnicos através de IA.
Colaborações Setoriais e Clientes com Foco em P&D
Entidades clientes ou parceiras em casos específicos de desenvolvimento de produtos baseados em IA.
Nestlé Nutrition
Parceria no desenvolvimento da plataforma Descomplicô Baby, que realiza triagem multimodal de saúde do bebê em análise de fezes.
Prospecção de novo projeto para recomendação de produtos personalizados de nutrição, utilizando IA para representantes de pacientes ginecológicos.
Hospitais e Laboratórios
DB Diagnósticos: Colaboração na detecção de Câncer Cervical em Imagens Citológicas usando abordagem multimodelos.
HC-FMUSP: Case de Análise e Triagem de Covid Longa, focando em gerar correlação científica através de plataforma de analytics.
HCP: Hospital de Câncer de Pernambuco como cliente listado.
HC-PE / Hospital das Clínicas de Pernambuco
Projeto focado na otimização operacional e triagem de pacientes de alto risco. Desenvolvimento de Score de Risco e Triagem Oncológica com 95% de precisão na predição do risco de óbito e câncer, além de gestão inteligente de filas e leitos.
Vitally Health
Desenvolvimento de solução para dar suporte a médicos na implementação da titulação clínica de pacientes com falência cardíaca, sugerindo mudanças de medicamentos e doses com base em dados de wearables.
TI Saúde
Construção de Datalake relacionado a prontuários para centralização e análise inteligente de dados médicos, otimizando processos hospitalares e laboratoriais.
Publicações Científicas
Nossas pesquisas resultaram em publicações em periódicos científicos e conferências de prestígio.
Machine Learning Applications in Digital Pathology
Pesquisa sobre aplicações de machine learning em patologia digital, com foco em detecção precoce de câncer.
Acessar artigo completo no Google ScholarA Solution for Counting Aedes aegypti and Aedes albopictus Eggs in Paddles from Ovitraps Using Deep Learning
Solução para contagem automatizada de ovos de Aedes aegypti e Aedes albopictus em paletas de ovitrampas utilizando deep learning, contribuindo para o monitoramento epidemiológico de arboviroses.
Acessar artigo completo no Google ScholarDetecção Automatizada de Pacientes com LLA: Uma Revisão de Literatura
Revisão de literatura sobre detecção automatizada de Leucemia Linfoblástica Aguda (LLA), identificando características citomorfológicas importantes para análise automatizada e comparando especificidades de bancos de imagens e algoritmos.
Acessar artigo completo no ScienceDirectAvaliando Técnicas de Aprendizado Profundo para Detecção de Esquistossomose Mansoni em Imagens de Exames Parasitológicos
Aplicação de métodos de aprendizado profundo (CNN e SPNN) para detecção automatizada de ovos de Esquistossomose Mansoni em exames parasitológicos, com AUC acima de 0.90.
Acessar artigo completo no ScienceDirectInteressado em Colaborar Conosco?
Estamos sempre abertos a novas parcerias científicas e colaborações de pesquisa. Entre em contato para discutir possíveis projetos.
Entre em Contato