Minicurso 1:
Modelagem, Mineração e Análise de Jornadas/Trajetórias de Pacientes
Autores:
Caroline de Oliveira Costa Souza Rosa – Laboratório Nacional de Computação Científica (INCC)
Márcia Ito (PPG-GTSP – CEETEPS)
Alex Borges Vieira – Universidade Federal de Juiz de Fora
Antonio Tadeu Azevedo Gomes – LNCC (INCC)
Resumo:
A sequência de atendimentos e procedimentos realizados pelo paciente no sistema de saúde, a qual é denominada jornada ou trajetória do paciente, pode revelar informações importantes sobre o tratamento clínico adotado e o serviço de saúde prestado. Com o aumento no registro de dados de saúde de forma eletrônica, tornou-se possível o estudo das jornadas de um grande volume de pacientes. No entanto, surgiram também desafios sobre como sintetizar essas jornadas e de que modo extraí-las dos dados, fomentando um novo campo de pesquisa. O objetivo deste minicurso é apresentar a área de mineração de jornadas de pacientes, destacando modelos de representação, técnicas de mineração, métodos de análise e exemplos de estudos de caso.
Minicurso 2:
Internet das Coisas de Saúde: aplicando IoT, interoperabilidade e aprendizado de máquina com foco no paciente
Autores:
Rodrigo da Rosa Righi – Universidade do Vale do Rio dos Sinos
Felipe André Zeiser – Universidade do Vale do Rio dos Sinos
Ana Paula Santin Bertoni – Universidade do Vale do Rio dos Sinos
Blanda Mello – Universidade do Vale do Rio dos Sinos
Vinicius Facco Rodrigues – Universidade do Vale do Rio dos Sinos
Cristiano Costa – Universidade do Vale do Rio dos Sinos
Bruna Donida – Grupo Hospitalar Conceição
Sandro J. Rigo – Universidade do Vale do Rio dos Sinos
Resumo:
O registro, gerenciamento e acompanhamento eficaz de dados clínicos integrados de maneira segura nos diferentes níveis de um sistema de saúde são fundamentais na atualidade. Contudo, os sistemas de saúde são compostos por diversos agentes e que nem sempre conseguem compartilhar e integrar os dados clínicos dos pacientes. Neste sentido, o objetivo deste minicurso é analisar e apresentar os desafios, oportunidades de pesquisa e possíveis soluções para o desenvolvimento de um modelo distribuído de interoperabilidade de informações com foco no paciente. Além disso, serão discutidos aspectos relacionados a utilização dos dados para o desenvolvimento de modelos de aprendizado de máquina utilizando uma rede colaborativa de compartilhamento de dados de pacientes. Por fim, diversos aspectos de implementação, legislação e éticos serão apresentados e avaliados no que envolve uma rede colaborativa de compartilhamento de dados clínicos.
Minicurso 3:
Sistema Mystrengths+Myhealth (MSMH): Tecnologia auxiliar para prestação de cuidados de saúde
Autores:
Andressa Larissa Dias Müller de Souza – Universidade Federal do Paraná
Luciana Gonçalves – Universidade Federal do Paraná
Pedro Leite de Melo Filho – Universidade Federal do Paraná
Robin Austin – University of Minnesota
Resumo:
O conceito de saúde holística é multidimensional e complexo, composto por elementos biopsicossociais e espirituais, que influenciam o indivíduo positivamente ou negativamente (BERWICK, 2020). Portanto, esses aspectos devem ser incluídos no atendimento aos pacientes. Visando auxiliar nesse processo, foi desenvolvido o sistema MyStrengths+MyHealth (MSMH) pela Escola de Enfermagem da Universidade de Minnesota, disponível no idioma inglês e em processo de tradução e adaptação transcultural para o português brasileiro, pode ser acessado gratuitamente por dispositivos conectados na internet. O MSMH é uma ferramenta composta por perguntas divididas em quatro domínios: minha vida; minha mente & redes; meu corpo e meu autocuidado; elas revelam forças, desafios e necessidades que serão autorrelatadas pelo indivíduo. (MONSEN, et al., 2021). Objetivo: Disseminar o conhecimento sobre o Sistema MyStrengths+MyHealth (MSMH), para que os participantes do minicurso compreendam como ele funciona, suas potencialidades como uma tecnologia para auxiliar na prestação de cuidados de saúde e também uma ferramenta para ser utilizada em pesquisas clínicas. Conteúdo programático: 1.Introdução ao Sistema MyStrengths+MyHealth (MSMH); 2.Estrutura do Sistema MSMH; 2.1.Desafios; 2.2.Forças; 2.3.Necessidades; 2.4.Relatório final; 3.Como o MSMH pode ser utilizado na prática clínica e em pesquisas. Resultados: Espera-se que os participantes adquiram conhecimento sobre o Sistema MSMH compreendam como ele funciona, suas potencialidades como uma tecnologia para auxiliar na prestação de cuidados de saúde, também sua utilização como ferramenta em pesquisas clínicas, almejando utilizarem esse sistema em sua prática profissional. Conclusão: Estudos realizados pelas desenvolvedoras do MSMH demonstraram sua efetividade na prática clínica e pesquisas, inclusive para explorar a resiliência em pacientes com COVID-19, espera-se que esse sistema também seja utilizado no Brasil e apresenta benefícios auxiliando na assistência de saúde. Por isso faz-se necessário esse curso para instruir profissionais sobre como podem utilizar essa ferramenta em seu cotidiano.
Minicurso 4:
Robôs Socialmente Assistivos – Desenvolvendo Sessões de Terapia Multissensorial com o Robô EVA
Autores:
Marcelo Rocha – Universidade Federal Fluminense
Sara Luzia de Melo – Universidade Federal Fluminense
Jesus Favela – CICESE
Debora Muchaluat-Saade – Universidade Federal Fluminense
Resumo:
Este minicurso busca oferecer uma visão geral sobre Robôs Socialmente Assistivos (SARs – Socially Assistive Robots) e apresentar conceitos e metodologias sobre o desenvolvimento dos SARs para realizar sessões de terapia. Juntamente, apresenta-se o robô EVA, uma plataforma de robótica open-source, que tem sido utilizado em terapias para pacientes com Alzheimer e crianças com Transtorno do Espectro Autista (TEA). Desse modo, serão apresentados a arquitetura de hardware e software do robô EVA, suas principais funcionalidades e exemplos de terapias multissensoriais com a linguagem EvaML, baseada em XML. Ao final do minicurso, os participantes estarão aptos a desenvolver novas sessões de terapia, bem como efetuar testes para simulação do robô por meio do software EvaSIM.
Minicurso 5:
Fenótipos no contexto da pesquisa observacional – OHDSI Phenotype Phebruary 2022
Autores:
Maria Tereza Abrahao – Hospital Israelita Albert Einstein
Pablo Madril – UBA
Resumo:
A iniciativa OHDSI (Observational Health Data Sciences and Informatics), redefiniu a área de pesquisa observacional em dados de saúde trazendo a possibilidade de realizar análises sistemáticas em grandes massas de dados (big data), provindas de diversas fontes, através da definição de um modelo comum de dados (Common Data Model – CDM OMOP), de mecanismos para tratamento de diferentes vocabulários, e da disponibilidade de um conjunto de ferramentas de software livre para análise dos mesmos. Esta iniciativa tem como objetivo melhorar a saúde capacitando uma comunidade de ciência aberta para gerar colaborativamente evidências médicas que promovam as melhores decisões de saúde. Porém, para alcançarmos a geração de evidências em larga escala, temos que começar construindo uma base sólida. Os fenótipos são o elemento fundamental em todas as análises com dados do mundo real. São a ponte entre os dados padronizados do modelo comum (CDM OMOP) e as análises padronizadas. A confiabilidade da evidência gerada deriva da qualidade dos fenótipos utilizados na definição das coortes de alvo, de comparação ou de desfecho. A comunidade OHDSI concentrou num evento, o Phenotype Phebruary 2022, o esforço de construir 28 fenótipos em 28 dias com o objetivo de sedimentar o processo da geração, documentação e avaliação de fenótipos. O objetivo deste minicurso é apresentar os resultados deste esforço, os conceitos envolvidos na definição de um fenótipo, sua influência na geração das coortes, e o processo pelo qual conseguimos avaliar os resultados desta definição. Abordaremos também, a Biblioteca de Fenótipos Padrão Ouro (Gold Standard Phenotype Library), que contém conjuntos de fenótipos, consensuados na comunidade, para serem aplicados em estudos.
Minicurso 6:
Classificação e Segmentação de COVID-19 em Imagens de Tomografia Computadorizada Usando Aprendizado Profundo
Autores:
Júlio Marques – Universidade Federal do Piauí
José Ferreira – Universidade Federal do Piauí
Rodrigo Veras – Universidade Federal do Piauí
Romuere Silva – Universidade Federal do Piauí
Resumo:
Com o desenvolvimento da doença COVID-19 vários meios para o diagnóstico vem sendo amplamente estudados, assim chegamos nos exames médicos por imagens, onde o exame de tomografia de tórax detém o melhor nível de detalhamento entre os demais exames por imagens. Porém a análise dessas imagens gera uma carga de trabalho repetível e cansativa, precisando também de uma equipe de especialistas que esteja familiarizado com os achados indicativos da pneumonia causada pela COVID-19, a fim de reduzir esse trabalho manual e colaborar com os especialistas, vários estudos vêm abordando a utilização do aprendizado profundo, com isso esse trabalho apresenta métodos de pré-processamento, técnicas para classificação e segmentação dessas imagens, tudo isso afim de colaborar com uma base teórica e prática para futuros trabalhos.
