Inteligência Artificial Aplicada na Área da Saúde

Curso de atualização – 100% EAD

Docentes

Alexandre Cláudio Botazzo Delbem  

José Cláudio Casali da Rocha  

Inês de Castro Dutra  

Marcelo Andrade da Costa Vieira  

Paulo Mazzoncini de A. Marques  

Roseli Aparecida Francelin Romero  

30h

Sábados das 9h às 13h, de 07/03/2026 a 11/04/2026, e mais 1h de tutoria online à noite, na semana seguinte ao curso

Inscrições: 15/01/2025 a 22/02/2026

Pedidos de bolsa: até 15/02/2026

Pré-requisito: graduação completa na área da saúde

Fale conosco no WhatsApp!

Inscreva-se

Descrição do curso:

Conheça métodos e aplicações de IA voltados ao contexto da saúde, explorando técnicas de aprendizado de máquina e análise de dados clínicos.

A Inteligência Artificial (IA) possui um grande potencial de aplicação na medicina e está revolucionando os cuidados em saúde. Com o apoio da IA, médicos tomam decisões mais rápidas e precisas, aprimorando diagnósticos e a análise de exames. Aliada à área de Big Data, a IA contribui na análise de grandes volumes de informações, identifica riscos e permite tratamentos mais personalizados para cada paciente. A IA também fortalece a gestão hospitalar, reduzindo erros, otimizando os atendimentos e pode gerar uma diminuição nos custos envolvidos no tratamento de váras doenças.

Existe uma grande demanda pelo conhecimento de técnicas de IA por parte de profissionais na área da saúde, pois é através do aprendizado das técnicas existentes que esses profissionais poderão decidir o que usar, onde usar e explicar o porquê de se usar.

Valores

  • Inscrição: R$300,00

  • Curso: R$1200,00

Formas de pagamento

  • Inscrição: Pix

  • Curso: Pix à vista ou boleto em até 2x

Forma de inscrição

  • Período de inscrição: 15/01/2026 a 22/02/2026

Público-alvo

  • O curso é indicado para graduados na área de saúde e estudantes de pós-graduação que sejam graduados na área da saúde

Minicursos

Serão oferecidos 6 minicursos ministrados por especialistas e pesquisadores atuantes na área de pesquisa da saúde, nas seguintes datas:

Introdução Análise de Dados na área da saúde

Roseli Aparecida Francelin Romero  

5h

07/03/2026

  • Serão apresentadas técnicas para exploração de dados, pre-processamento de dados.

  • Métodos de Aprendizado de Máquina Supervisionado.

  • Técnicas de Amostragem.

  • Métricas de avaliação, matriz de confusão e curva ROC.

  • Métodos de Aprendizado Não-supervisionado.

Aplicações Clínicas de Inteligência Artificial em Imagens Médicas

Paulo Mazzoncini de A. Marques  

5h

14/03/2026

  • Bases conceituais da análise de imagens: da aquisição ao reconhecimento de padrão.

  • Diagnóstico Auxiliado por computador: fundamentos, aplicações e limitações.

  • Recuperação de Imagem Baseada em Conteúdo: fundamentos, aplicações e limitações.

  • Radiômica: fundamentos, aplicações e limitações.

Formas alternativas de representação de dados na área da saúde para modelagem preditiva e análise exploratória

Inês de Castro Dutra  

5h

21/03/2026

  • Representação de dados

  • Árvores de decisão

  • Redes Bayesianas

  • Lógica (probabilística) de primeira ordem

  • Grafos de conhecimento (Knowledge Graphs)

  • Aprendizagem

  • Redes Bayesianas

  • Aprendizagem de parâmetros

  • Aprendizagem da estrutura

  • Programação lógica indutiva (probabilística)

  • Graph Neural Networks (GNN)

  • Exemplos práticos e aplicações

Processamento de Imagens Médicas com Inteligência Artificial

Marcelo Andrade da Costa Vieira  

5h

28/03/2026

  • Fundamentos do processamento de imagens médicas;

  • Modelos clássicos de degradação de imagens médicas;

  • Restauração e filtragem de ruído;

  • Modelos de ruído para mamografia digital e ressonância magnética;

  • Ruído com dependência do sinal e do espaço;

  • Correlação espacial do ruído e dependência da frequência;

  • Estimativa dos parâmetros dos modelos;

  • Métodos de restauração baseados em inteligência artificial (IA);

  • Redes neurais supervisionadas e não supervisionadas;

  • Aprendizado profundo baseado em modelo (model-based deep learning – MBDL);

  • Geração de imagens sintéticas e híbridas;

  • Ensaios clínicos virtuais (Virtual Clinical Trials – VCT);

  • Formação de bases de imagens para treinamento de modelos de IA;

  • Avaliação da qualidade da imagem e impacto clínico;

  • Aplicações clínicas em mamografia e ressonância magnética.

Calculadora de risco de câncer por IA para rastreamento do câncer hereditário

José Cláudio Casali da Rocha  

5h

04/04/2026

  1. Introdução e Conceitos Fundamentais
    – O que é IA e como ela se aplica à saúde
    – Tipos de IA aplicáveis (Machine Learning, Deep Learning, NLP)
    – Exemplos de IA em oncologia
    – Desafios e oportunidades na oncogenética

  2. Fundamentos de Câncer Hereditário
    – Principais síndromes: HBOC, Lynch, VHL, Li-Fraumeni, NF1
    – Critérios clínicos tradicionais (ex: NCCN, BOADICEA, PREMM5)
    – Limitações dos critérios convencionais
    – Necessidade de modelos baseados em dados reais

  3.  Construção de Calculadoras de Risco com IA
    – Dados necessários: clínicos, familiares, genômicos
    – Métodos de treinamento e validação de modelos
    – Exemplos práticos (ex: IA para triagem de BRCA, IA para Lynch)
    – Interpretação e explicabilidade dos modelos (XAI)

  4. Avaliação, Implementação e Ética
    – Validação externa e calibração
    – Implementação em hospitais e triagem populacional
    – Aspectos éticos, privacidade e viés algorítmico
    – Integração em fluxos de navegação de pacientes de risco

  5. Demonstração Prática e Discussão
    – Demonstração de uma calculadora pública (ex: CanRisk, BOADICEA)
    – Exemplo de pipeline de IA (modelo fictício)
    – Discussão de caso clínico: como uma IA mudaria a conduta
    – Mesa redonda com perguntas e respostas

IA para Gestão de Saúde: dados multifontes, saúde pública e tomada de decisão

Alexandre Cláudio Botazzo Delbem  

5h

11/04/2026

  • Fundamentos de Inteligência Artificial em Saúde. Serão apresentados conceitos básicos de IA, aspectos histórico e evolução; um panorama internacional e nacional para IA na Saúde; a diversidade de fontes e tipos de dados emsaúde (estruturados, não estruturados, clínicos, epidemiológicos e administrativos) e desafios.

  • Tecnologias Atuais de IA com Aplicação em Saúde.

  • Sistemas de agentes inteligentes e potencial para aplicações em ambientes hospitalares e de atenção primária.

  • Modelos de linguagem natural (LLMs) em extração e análise de informação a partir de textos clínicos e protocolos.

  • IA para Gestão e Tomada de Decisão.

  • Processamento e análise de grandes volumes de dados (Big Data).

  • Aplicações em gestão hospitalar, vigilância epidemiológica, triagem e análise de risco.

  • IA para alocação de recursos, planejamento de serviços e políticas públicas em saúde.

  • Contextualização Regional.

  • Desafios da aplicação de IA no SUS e em regiões com baixa infraestrutura.

  • Acesso, equidade e interoperabilidade: limites e potencialidades.

  • Integração com a Estratégia SUS Digital 2020–2028 eRNDS

  • Casos Práticos e Estratégias de Implementação.

  • Modelos de inovação e transferência tecnológica.

  • Parcerias com universidades, serviços de saúde e startups.