Universidade de São Paulo | FSP-USP

LABDAPS - Big Data & Saúde LABDAPS - Big Data & Saúde

Fabiano Barcellos Filho
Doutorado

Fabiano Barcellos Filho

Sobre

Fabiano Barcellos Filho atua na intersecção entre a prática clínica e a ciência de dados. Médico formado pela EMESCAM (CRM-SP 247.401) e consultor em Inteligência Artificial, ele traz para o LABDAPS a visão de quem conhece as dores do sistema de saúde "do lado de dentro".

Atualmente, é doutorando em Saúde Pública na USP sob orientação do Prof. Dr. Alexandre Chiavegatto Filho. Seu foco de pesquisa é a multicalibração e equidade algorítmica — buscando garantir que os modelos de Inteligência Artificial funcionem de maneira justa para diferentes grupos da população, corrigindo vieses críticos em saúde pública.

Trajetória e Atuação:

  • Acadêmica: Pesquisador colaborador no LABDAPS e Visiting Scholar na University of Massachusetts Boston (2023).

  • Profissional: Atua como Consultor em IA na Hapvida NotreDame Intermédica.

  • Projetos Recentes: Tem experiência no desenvolvimento de algoritmos para predição de mortalidade infantil, triagem de COVID-19, classificação de infarto agudo do miocárdio e predição de idade cerebral via Deep Learning.

Links Acadêmicos:

Produção Científica

2025

Strategies for detecting and mitigating dataset shift in machine learning for health predictions: A systematic review

Journal of Biomedical Informatics

Acessar Publicação
2025

Artificial intelligence for the diagnosis of erythematous-squamous dermatological diseases: technological contributions to primary care

Anais Brasileiros de Dermatologia

Acessar Publicação
2025

Transfer learning for COVID-19 predictive modeling: A multicenter study of 12 hospitals

Annals of Epidemiology

Acessar Publicação
2024

Multicenter comparative analysis of local and aggregated data training strategies in COVID-19 outcome prediction with Machine learning

PLOS Digital Health

Acessar Publicação
2024

Predictive modeling of gestational weight gain: a machine learning multiclass classification study

BMC Pregnancy and Childbirth

Acessar Publicação