Portal InstitucionalUFPEL

A crescente disponibilidade de dados em saúde exige ferramentas avançadas de análise, como os algoritmos de aprendizado de máquina. No entanto, a lacuna de formação em IA aplicada à saúde ainda é uma realidade em muitos cursos de graduação e pós-graduação. Além disso, pesquisadores e profissionais de saúde frequentemente enfrentam desafios para implementar técnicas de análise preditiva em seus projetos e práticas. O grupo GIAAPS/UFPel reconhece a IA como uma ferramenta poderosa para transformar dados em ações e decisões mais eficazes. Portanto, fomentar a formação técnica e crítica sobre IA e promover a aplicabilidade desses conhecimentos na realidade local é uma estratégia essencial para enfrentar os desafios contemporâneos da saúde pública e clínica.

As atividades do projeto serão organizadas em três eixos complementares:
1. Ensino:
o Realização de encontros regulares com temas ligados à IA, aprendizado de máquina, análise preditiva e ética em dados de saúde.
o Participação ativa de estudantes de graduação e pós-graduação de diversas áreas da saúde e tecnologia.
2. Pesquisa:
o Estímulo à criação de projetos de pesquisa interdisciplinar que utilizem IA aplicada à saúde, envolvendo alunos e professores do grupo.
o Organização de grupos de estudo para desenvolvimento de pipelines analíticos, revisão sistemática de literatura e testes com bases de dados reais.
o Suporte na escrita e submissão de artigos científicos e apresentações em congressos.
o Divulgação de conteúdo relacionado a IA nas redes sociais do grupo.
3. Extensão:
o Oferecimento de minicursos, oficinas abertas e eventos temáticos sobre IA em saúde para o público interno e externo à universidade.
o Suporte técnico a estudantes e profissionais da área da saúde interessados na aplicação de ferramentas preditivas em seus projetos.
o Estímulo à aproximação com serviços públicos e privados de saúde, promovendo a aplicabilidade dos conhecimentos adquiridos.
o Divulgação científica na página da grupo https://www.instagram.com/giaaps_ufpel/

Resultados Esperados
• Ensino: Formação crítica e técnica de estudantes em IA aplicada à saúde. Espera-se que pelo menos 70% dos participantes adquiram competências básicas em ferramentas de aprendizado de máquina.
• Pesquisa: Geração de conhecimento aplicado com pelo menos 3 submissões de artigos/resumos científicos por ano vinculados às atividades do projeto.
• Extensão: Realização de cursos/oficinas por ano abertos à comunidade, com impacto mensurável na formação de profissionais da saúde.


Indicadores de Sucesso
• Número de encontros realizados e frequência de participantes.
• Quantidade de artigos submetidos/publicados com coautoria de participantes.
• Número de cursos/oficinas realizados e avaliações positivas dos participantes.
• Participação de estudantes em congressos e eventos científicos.
• Feedback de profissionais de saúde e instituições atendidas.