Pedro Costa obteve o MSc (2015) em Engenharia Informática e Computação na Faculdade de Engenharia da Universidade do Porto. Começou a trabalhar no INESC TEC em 2014 num projeto de investigação com o objetivo de encontrar efeitos secundários de medicamentos aplicando Machine Learning a dados biológicos. Depois de uma breve experiência na indústria, voltou para o INESC TEC para trabalhar em processamento de imagem médica usando métodos de Deep Learning, tendo publicado vários artigos em conferências e revistas de topo. Depois passou três meses na Carnegie Mellon University a trabalhar em métodos fracamente supervisionados. Atualmente, é o Head of Research na Abyssal, no sentido de melhorar a eficiência de operações subaquáticas que utilizam veículos remotamente operados, utilizando técnicas de Machine Learning e Visão por Computador. Continua a colaborar com o INESC TEC e CMU em projetos de imagem médica.
Pedro Costa obteve o MSc (2015) em Engenharia Informática e Computação na Faculdade de Engenharia da Universidade do Porto. Começou a trabalhar no INESC TEC em 2014 num projeto de investigação com o objetivo de encontrar efeitos secundários de medicamentos aplicando Machine Learning a dados biológicos. Depois de uma breve experiência na indústria, voltou para o INESC TEC para trabalhar em processamento de imagem médica usando métodos de Deep Learning, tendo publicado vários artigos em conferências e revistas de topo. Depois passou três meses na Carnegie Mellon University a trabalhar em métodos fracamente supervisionados. Atualmente, é o Head of Research na Abyssal, no sentido de melhorar a eficiência de operações subaquáticas que utilizam veículos remotamente operados, utilizando técnicas de Machine Learning e Visão por Computador. Continua a colaborar com o INESC TEC e CMU em projetos de imagem médica.
Palestra: Preventing blindness using Artificial Intelligence
A Retinopatia Diabética (DR) é a maior causa de cegueira evitável no mundo desenvolvido, afetando mais de 25% dos pacientes diabéticos. Devido aos grandes impactos sociais e económicos da cegueira, a maioria dos países desenvolvidos implementou programas de rastreio para monitorizar a população diabética. Durante o rastreio, imagens do fundo do olho são obtidas e examinadas por oftalmologistas. Nós desenvolvemos um método de Inteligência Artificial que classifica automaticamente a qualidade das imagens, deteta indícios de DR e indica se o paciente deve ser tratado ou não. Nós mostramos que o nosso modelo tem resultados comparáveis a alguns oftalmologistas e obtém os resultados suficientemente bons para ser implementado em programas de rastreio. Este método tem o potencial de reduzir a pressão sobre os oftalmologistas, permitindo que se foquem no tratamento dos pacientes com DR, com o objetivo final de reduzir o número de incidentes de cegueira relacionada com DR.