Inteligência Artificial Aplicada às Ciências da Saúde

A crescente digitalização dos serviços de saúde, aliada à disponibilidade massiva de dados clínicos, genômicos, epidemiológicos e de imagem, tem impulsionado a adoção de tecnologias baseadas em Inteligência Artificial (IA) como ferramentas estratégicas para aprimorar o diagnóstico, prognóstico, monitoramento e tomada de decisão clínica. Modelos de aprendizado de máquina (machine learning) e redes neurais profundas (deep learning) já demonstram desempenho comparável ou superior ao de especialistas em diversas áreas da saúde. Este curso tem o objetivo de aproximar a ciência de dados e a prática clínica, promovendo uma formação interdisciplinar, crítica e voltada para a inovação responsável na saúde.

Público-Alvo:

Profissionais da saúde

Pesquisadores e estudantes de pós-graduação em áreas relacionadas à saúde

Gestores e tomadores de decisão na área da saúde

📶 Conteúdo Programático

1 - 🧠 Introdução à Disciplina e Panorama da IA ​​em Saúde

2 - 🧠 Definições e Fundamentos: Diferenças entre IA, Machine Learning e Deep Learning

3 - 🧠 Tipos de Aprendizado em Inteligência Artificial

4 - 🧠 Algoritmos Clássicos em IA Aplicados à Saúde

5 - 🔄 Pipeline de Projetos em IA nas Ciências da Saúde

6 - 🧠Inteligência Artificial em Diagnóstico e Prognóstico:

7 - 🌍 IA em Saúde Populacional e Epidemiologia

8 - 📊 Estudos de Caso com Dados Estruturados:

9 - 📈 Avaliação de Modelos: Métricas para Classificação Clínica

10 - 🧪 Validação Cruzada e Interpretabilidade

11- 🧹 Pré-processamento de Dados Clínicos

12 - 💻 Introdução à Programação em IA: Python, R

13 - 🗣️ PNL Aplicado à Saúde

14 - 👁️‍🗨️ Fundamentos de Visão Computacional Aplicados à Saúde

15 - 🧠Segmentação e classificação de imagens

16 - 🧠 Redes Neurais Convolucionais (CNNs)

17- 🧪 Estudos de Caso com Bancos Públicos de Imagens

18 - 🔐 Privacidade e LGPD na Inteligência Artificial em Saúde

19 - ⚖️ Viés Algorítmico e Equidade em Saúde

20 - ⚙️ Regulação e Interoperabilidade em IA na Saúde