Computação Aplicada à Saúde: as melhores teses e dissertações do CTD-SBCAS 2020
Por Luiz Antonio Rodrigues
Aconteceu no dia 15 de setembro o evento com as apresentações dos trabalhos submetidos ao 2º Concurso de Teses e Dissertações do Simpósio Brasileiro de Computação Aplicada à Saúde (CTD-SBCAS). O SBCAS está na 20ª edição e é realizado anualmente pela Comissão Especial de Computação Aplicada à Saúde (CE-CAS) da SBC.
O Concurso tem como objetivo divulgar a pesquisa na pós-graduação em temas relacionados à aplicação da Computação na área da Saúde, premiando as melhores teses de doutorado e dissertações de mestrado defendidas em 2019.
De acordo com os organizadores, os professores Lucas Ferrari de Oliveira (UFPR) e Victor Travassos Sarinho (UEFS), os trabalhos foram selecionados com base no “relevante impacto para a sociedade e para as empresas, além de contribuição significativa e destacada para a área científica”.
Dos 16 trabalhos submetidos, 6 teses e 10 dissertações, seis de cada modalidade foram selecionados para a apresentação durante o evento, que aconteceu de forma virtual. Para a classificação final, o comitê levou em conta o trabalho completo, incluindo os potenciais impactos sociais, científicos e tecnológicos para a área, e a apresentação oral.
Os trabalhos premiados foram os seguintes.
Melhor Tese
Modelagem Computacional da Resposta Imune à Vacina Contra Febre Amarela
Carla R. B. Bonin (UFJF), Guilherme C. Fernandes (UPAC), Rodrigo W. dos Santos (UFJF), Marcelo Lobosco (UFJF)
“Desde 1937 está disponível uma vacina eficaz contra febre amarela. Ainda assim, questões relativas a seu uso permanecem pouco entendidas, como a dose ideal para conferir imunidade contra a doença, a necessidade de dose reforço, o esquema ideal de vacinação para indivíduos imunocompetentes, imunossuprimidos e crianças, dentre outras. Este trabalho apresenta um modelo computacional da resposta imune humana à vacinação contra a febre amarela que foi capaz de reproduzir os níveis de anticorpos obtidos experimentalmente em diferentes cenários relativos à vacinação, permitindo uma validação quantitativa com dados experimentais. Também foram reproduzidos qualitativamente alguns comportamentos da resposta imune descritos na literatura”.
Veja também o texto completo e o vídeo de apresentação da tese.
Carla R. B. Bonin é professora do IF Sudeste MG Campus Avançado Cataguases. Doutora em Modelagem Computacional pela Universidade Federal de Juiz de Fora (2019). Mestre em Modelagem Computacional pela Universidade Federal de Juiz de Fora (2015). Formada no curso superior de tecnologia em Sistemas para Internet pelo Instituto Vianna Júnior em Juiz de Fora (2010).
Menções Honrosas
Arcabouço para Classificação, Recuperação por Conteúdo e Radiômica de Imagens Médicas: uma investigação de biomarcadores quantitativos para o câncer de pulmão
José Ferreira Júnior (USP), Marcel Santos (USP), Paulo de Azevedo-Marques (USP)
Impact of uncertainties in cardiac mechanics simulations
Joventino Campos (UFJF), Joakim Sundnes(Simula), Rodrigo dos Santos (UFJF), Bernardo Rocha (UFJF)
Melhor Dissertação
Análise de Lesões de Pele usando Redes Generativas Adversariais
Alceu Bissoto (UNICAMP), Sandra Avila (UNICAMP)
“Melanoma é a forma mais letal de câncer de pele. Devido a possibilidade de metástase, o diagnóstico precoce é crucial para aumentar a taxa de sobrevivência dos pacientes. A análise automatizada de lesões de pele pode ter um papel importante ao alcançar pessoas sem acesso a especialistas. Porém, desde que técnicas de aprendizado profundo se tornaram o estado-da-arte para análise de lesões de pele, os dados se tornaram um fator decisivo para avançar as soluções. O objetivo principal dessa tese de mestrado é tratar dos problemas que surgem por lidarmos com poucos dados nesse contexto médico. Primeiro, geramos imagens de lesões de pele para aumentar o conjunto de treino dos nossos modelos de classificação, elevando a performance. Finalmente, analisamos a presença de vieses nas bases de lesões de pele, e revelamos que mesmo sem contar com nenhuma informação clínica sobre a lesão sendo diagnosticada, nossos modelos de classificação apresentaram performance muito melhor que o acaso (competindo até mesmo com benchmarks de especialistas), sugerindo performances altamente infladas”.
Para mais informações, acesse o texto completo da dissertação e o vídeo da apresentação.
Alceu Bissoto possui mestrado em Ciência da Computação pelo Instituto de Computação (IC) na UNICAMP, e graduação em Engenharia de Computação pela Universidade Federal de São Carlos (2016). Atualmente é estudante de doutorado no Instituto de Computação (IC) na UNICAMP. Em 2018 e 2019, ganhou o prêmio Google Latin America Research Awards (LARA).
Menções Honrosas
Exploring mobile health applications for self-management of Diabetes Mellitus
Ericles Andrei Bellei (UPF), Hugo Roberto Kurtz Lisboa (UPF), Ana Carolina Bertoletti de Marchi (UPF)
Disseminação Segura de Dados Pessoais Vitais Para Apoio às Tomadas de Decisão em Situações Emergenciais
Agnaldo Batista (UFPR), Aldri dos Santos (UFPR)
CTD-SBCAS 2021
Fique atento aos prazos para submissão do CTD-SBCAS 2021, que será realizado em Curitiba-PR!
As datas oficiais ainda não foram divulgadas, mas as submissões geralmente vão até o início de março.
Podem enviar trabalhos doutores e mestres que tenham desenvolvido sua pesquisa com tema relacionado a área de Computação Aplicada à Saúde e que defenderam suas teses ou dissertações no período de janeiro a dezembro do ano anterior, no caso, 2020.
Como citar esse artigo
RODRIGUES, Luiz A. Computação Aplicada à Saúde: as melhores teses e dissertações do CTD-SBCAS 2020. SBC Horizontes, outubro. 2020. ISSN 2175-9235. Disponível em: http://horizontes.sbc.org.br/?p=4120. Acesso em: DD mês. AAAA.
