Minicursos
Minicurso 1
Uma abordagem prática voltada a aplicações de Interface Cérebro-Computador utilizando sinais de EEG
Álefe Costa Macedo (UFG), Murilo B. Silva (UFG/IFG), Augusto César da Silva Rocha (UFG), Hugo A. D. do Nascimento (UFG), Diego Resende Faria (University of Hertfordshire)
Resumo: Este minicurso apresenta o processamento de sinais de Eletro-Encefalografia (EEG) com foco no desenvolvimento de aplicações de Interface Cérebro-Computador (Brain-Computer Interface, BCI). O objetivo é estimular o interesse sobre o assunto, e induzir o surgimento de novos pesquisadores para atuar na área. O minicurso abordará temas como: um panorama histórico do uso de EEG, dispositivos de BCI de baixo custo, ferramentas computacionais para o processamento dos sinais e bases de dados públicas relacionadas. Serão discutidos também alguns estudos de casos práticos, envolvendo códigos de programação e bases de dados para o tratamento e a classificação de sinais de EEG.
Minicurso 2
Simuladores imersivos para ensino em saúde: futuro ou realidade?
Luciana Nedel (UFRGS), Matheus Negrão (UFRGS), Wesley Ferreira (UFRGS), Carla M.D.S. Freitas (UFRGS), Anderson Maciel (Instituto Superior Técnico de Lisboa), Betânia Bohrer (Hospital de Clínicas de Porto Alegre), Ana Paula Oliveira Rosses (UFPel), Rafael Piccin Torchelsen (UFPel)
Resumo: O cenário atual da demanda crescente por profissionais de saúde contrasta com a capacidade limitada das universidades de formá-los, devido às técnicas tradicionais de ensino que requerem supervisão especializada. Para enfrentar esse desafio, o uso de simulação por realidade virtual emerge como uma solução promissora. Este minicurso irá explorar a evolução dos simuladores em realidade virtual para saúde, destacando como eles têm sido adaptados para replicar habilidades técnicas e comportamentais em ambientes 3D imersivos. Além disso, será discutido o posicionamento mercadológico desses simuladores e seus usos na formação de novos profissionais, oferecendo prática autônoma e segura sem expor os pacientes. Serão apresentados os desafios atuais, lições aprendidas e perspectivas futuras neste campo em constante evolução.
Minicurso 3
Avaliação de Tecnologia em Saúde Digital: Fundamentos e Aplicações Práticas
Thais Maria Yomoto Ferauche (UEPEP/CEETEPS), Jean José Silva (Santa Casa de Misericórdia de Passos), Wilian Hisatugu (UFES), Márcia Ito (UEPEP/CEETEPS)
Resumo: O emprego crescente de tecnologias digitais na área da saúde tem sido expressivo, tanto no apoio aos serviços de saúde pública quanto privada. Estas ferramentas têm evidenciado um considerável potencial para aprimorar o suporte oferecido pelos serviços de saúde. Nesse cenário, é necessário que a avaliação de tecnologias em saúde incorpore processos específicos para avaliar as tecnologias digitais. O propósito deste minicurso é apresentar a relevância, os fundamentos e as aplicações da avaliação de tecnologia em saúde digital, com um foco particular na avaliação de softwares para a área da saúde. Serão abordadas as particularidades dos aplicativos na área da saúde, bem como os protocolos e processos específicos para a avaliação de tecnologias digitais na saúde.
Minicurso 4
Learned Index: Perspectivas e Desafios na Gestão de Dados de Saúde
Guilherme Waldschimidt (IC-UFBA), Alberto Sironi (IC-UFBA), Laís Sacramento (IC-UFBA) , Mirlei Moura (IC-UFBA), Maíra Lima Souza (Cidacs-Fiocruz), Nívea Bispo (IC-UFBA), Robespierre Pita (IC-UFBA/Cidacs-Fiocruz)
Resumo: Soluções computacionais voltadas à saúde, tais como record linkage, reconhecimento de padrões em imagens, mineração de dados para suporte a diagnósticos ou extração de informação em linguagem natural frequentemente recorrem a métodos de indexação para otimizar a recuperação e acesso aos registros de uma base de dados. Este curso apresenta o conceito de Learned Index, que emprega modelos de machine learning para produzir estruturas de índices capazes de superar algoritmos tradicionais. Acreditamos que a participação da comunidade de Computação Aplicada à Saúde neste novo tópico de pesquisa tem o potencial de levar ao desenvolvimento de diversas soluções e aplicações com impacto direto na prática clínica, da vigilância em saúde, gestão e formulação de políticas públicas. Tendo um caráter teórico apoiado por demonstrações práticas de criação, uso e validação de índices, este minicurso se dirige a estudantes e pesquisadores da computação e saúde, além de trazer insights para profissionais e gestores de bancos de dados.
Minicurso 5
Harmonização Global de Dados de Saúde: O Papel dos Vocabulários Padronizados OHDSI
Maria Tereza Fernandes Abrahão (Hospital Albert Einstein), Pablo Jorge Madril (UBA)
Resumo: A OHDSI (Observational Health Data Sciences and Informatics) é uma colaboração global que redefiniu a área de pesquisa observacional em dados de saúde trazendo a possibilidade de realizar análises sistemáticas em grandes massas de dados provindas de diversas fontes. Fundada em 2014, sua missão é capacitar uma comunidade de ciência aberta para gerar evidências médicas, promovendo decisões de saúde baseadas em dados sólidos. A iniciativa desenvolveu um Modelo Comum de Dados (CDM) padronizado, chamado CDM OMOP (Observational Medical Outcomes Partnership), que facilita a integração de dados de saúde de diferentes fontes. Além disso, a OHDSI fornece vocabulários padronizados e ferramentas de software livre que possibilitam a geração sistemática de evidências em larga escala para análise avançada de dados de saúde. O Vocabulário Padronizado OHDSI é um dos componentes fundamentais desta iniciativa. A OHDSI desenvolve e mantém uma ontologia de referência centralizada em grande escala para harmonização internacional de dados de saúde. Essa ontologia inclui uma ampla gama de termos e conceitos relacionados à saúde, abrangendo diferentes áreas, como doenças, procedimentos médicos, medicamentos, resultados clínicos e características demográficas dos pacientes. Ao padronizar os termos usados para descrever esses elementos, o Vocabulário Padronizado OHDSI permite que pesquisadores e profissionais de saúde compartilhem e comparem os resultados de análises estatísticas realizadas nos dados de diferentes fontes e sistemas de saúde de forma consistente e interoperável. A padronização dos vocabulários de dados de saúde facilita a realização de estudos multicêntricos e meta-análises, além de promover uma melhor compreensão e interpretação dos resultados. Isso também é crucial para o desenvolvimento e aprimoramento de métodos analíticos em epidemiologia e pesquisa clínica. O objetivo deste minicurso é apresentar a estrutura e os conceitos do vocabulário padrão OHDSI, os procedimentos para seleção e download dos mesmos, as ferramentas que possibilitam os mapeamentos dos vocabulários locais e o uso como parte do processo de ETL (Extraction, Transformation and Load) da carga da base OMOP a partir da base local.
Minicurso 6
Aplicações de Inteligência Artificial para Apoiar o Diagnóstico, Tratamento e Prognóstico de Transtornos Mentais
Paulo Mann (UERJ), Elton H. Matsushima (UFF), Aline Marins Paes Carvalho (UFF)
Resumo: O objetivo deste minicurso teórico é apresentar os principais desafios e tendências das aplicações de Inteligência Artificial para apoiar o diagnóstico, tratamento, e o prognóstico dos transtornos mentais. Em primeiro lugar, serão abordados os principais conceitos fundamentais dos transtornos mentais que mais afetam a população - os transtornos depressivos e os transtornos de ansiedade, com particular ênfase para o primeiro. Com isso, esperamos dar maior visibilidade e conhecimento para profissionais de computação sobre aspectos psiquiátricos e psicológicos dos transtornos mentais. Ademais, iremos detalhar aplicações e técnicas específicas de IA que atuam no diagnóstico, tratamento e prognóstico destes transtornos. Por fim, trataremos dos principais desafios de pesquisa nessa área, como a regulamentação da LGPD e das implicações éticas de sistemas automatizados que lidam com dados sensíveis. Espera-se que ao final do minicurso os participantes sejam capazes de (i) conhecer os fundamentos sobre transtornos depressivos e transtornos de ansiedade, (ii) conhecer as principais técnicas e arquiteturas de modelos de IA mais utilizados pelas aplicações, (iii) conhecer as principais metodologias de aplicações de IA para lidar com ambos os transtornos em diferentes fases, (iv) conhecer as tendências de pesquisa nesta área, e (v) compreender os principais desafios éticos e legislativos que permeiam a pesquisa e aplicação de modelos automatizados para apoiar a área de saúde mental.