Marco Antonio Gutierrez.

This proposal tackles the challenges of managing and integrating multimodal health data to enhance knowledge discovery and clinical decision-making. It focuses on extracting meaningful insights from large, complex datasets by leveraging Big Data and artificial intelligence technologies. Electronic health records (EHRs) are central to this effort, serving as the basis for developing scalable algorithms and advanced information extraction strategies. The project will address issues of data communication and security within the framework of federated learning. Although the size and complexity of EHRs pose significant challenges, they also provide opportunities to design methods that deliver relevant information for individual patients or populations. The ultimate goal is to create a modular platform that transforms EHRs into a more effective tool to support healthcare professionals, medical applications, and strategic healthcare decisions.

O INCT-MACC é referência desde 2008 no uso de inteligência artificial (IA) e modelagem computacional aplicadas à saúde, tendo construído uma rede colaborativa para integrar dados ômicos, modelagem fisiológica, imagens médicas, visualização científica e realidade virtual. Na fase 20252030, o instituto ampliará seu impacto em quatro áreas estratégicas: ômicas e medicina de precisão, com a criação de gêmeos digitais que integrem dados clínicos, genômicos e simulados; terapias avançadas e dispositivos médicos, inovando com apoio da IA para identificar padrões biomédicos e farmacológicos; inteligência artificial, implementando sistemas diagnósticos e preditivos em tempo real; e transformação digital, com a construção de ecossistemas digitais seguros e escaláveis para integração de dados médicos. Com foco no sistema de saúde brasileiro, o INCT-MACC busca democratizar o acesso a tecnologias avançadas, formar profissionais qualificados e melhorar os resultados em saúde pública, consolidando-se como líder global em medicina de precisão baseada em IA.

O objetivo deste trabalho é classificar sinais digitais de ECG utilizando técnicas de aprendizado profundo (deep learning). Inicialmente, utilizaremos bases de dados públicas, como a Physionet (https://physionet.org/), e, posteriormente, a base de dados do InCor (Instituto do Coração - HC-FMUSP). Métodos de inteligência artificial serão empregados para classificar os traçados de ECG em categorias como "Normal", "Fibrilação Atrial", "Bloqueio Atrioventricular", "Bloqueio de Ramo", entre outras.

A descoberta de anomalias e padrões é essencial para diversas aplicações e áreas, tais como na detecção de COVID-19 em Raio-X de tórax e na detecção de fraturas em ressonâncias magnéticas para aplicações médicas, bem como em aplicações de crédito financeiro e na detecção de robôs em redes sociais. A abordagem de mineração é dependente de aplicação, e os padrões descobertos devem ser mostrados a especialistas por meio de ferramentas apropriadas, de modo a aumentar a explicabilidade e compreensão, usualmente tirando vantagem de metáforas visuais. Nessa proposta de estágio, objetiva-se explorar dados multimodais provenientes de diversos cenários de aplicação e tipos (como imagens, grafos, registros médicos eletrônicos e transações financeiras) por meio da proposta de métodos modulares, escaláveis e explicativos. O estágio será realizado na Universidade Carnegie Mellon (CMU), EUA. Os objetivos atendem aos interesses tanto do projeto temático da FAPESP "MIVisBD (Mining, Indexing and Visualizing Big Data in Clinical Decision Support Systems)", como da pesquisa realizada na CMU pelo supervisor e co-supervisora. (AU)

O objetivo deste trabalho é classificar sinais digitais de ECG utilizando técnicas de aprendizado profundo (deep learning). Inicialmente, serão utilizadas bases de dados públicas, como a Physionet (https://physionet.org/) e, posteriormente, a base de dados do InCor (Instituto do Coração - HC-FMUSP). As etapas a serem desenvolvidas são: Etapa 1: classificação de imagens de traçados de ECG, como "normal" ou "com alteração"; Etapa 2: classificação do ECG unidimensional completo (12 derivações) nas classes "normal"/"com alteração"; Etapa 3: classificação do ECG utilizando características manuais (features) nas classes "normal"/"com alteração"; Etapa 4: a) classificação do ECG completo em múltiplas classes (a serem definidas). Por exemplo, "Normal" / "Fibrilação Atrial", "Bloqueio atrioventricular", "Bloqueio de ramo", etc. b) classificação do ECG a partir de características manuais (features) em múltiplas classes (a serem definidas). Por exemplo: "Normal" / "Fibrilação Atrial", "Bloqueio atrioventricular", "Bloqueio de ramo", entre outros

O uso de sistemas de telemedicina permite ampliar a assistência médica cardiológica para as populações de regiões carentes e mais afastadas de centros urbanos. Isso é especialmente importante em nosso país, de dimensões continentais e com milhões de pacientes usuários do sistema público de saúde. Este projeto tem como objetivo o desenvolvimento de uma ferramenta de análise e classificação de sinais de eletrocardiograma (ECG) quanto aos estados de normalidade ou alteração. O conjunto de algoritmos a serem desenvolvidos poderá estender os classificadores para incluir categorias que também permitam o diagnóstico de arritmias e infarto agudo do miocárdio. Como múltiplos distúrbios podem se apresentar concomitantemente em um único ECG, exploraremos abordagens de classificação para múltiplos rótulos (multi-label classification). O treinamento desses classificadores será realizado a partir da base de dados do Instituto do Coração (InCor-HC-FMUSP), incluindo mais de 200 mil registros de ECG e laudos associados. Além disso, levaremos em consideração as variáveis clínicas e sócio-demográficas dos indivíduos, que potencialmente influenciam o diagnóstico. Para a extração das características, consideraremos técnicas de aprendizado profundo (deep learning) supervisionadas. Inicialmente, exploraremos variantes de redes neurais convolucionais para extrair informações diretamente das imagens dos traçados eletrocardiográficos. Em um segundo momento, para que informações temporais dos sinais sejam levadas em conta, desenvolveremos uma ferramenta de conversão das imagens em sinais digitais e, então, exploraremos variantes de redes neurais recorrentes. Além disso, consideraremos uma abordagem de classificação baseada tanto em características extraídas manualmente dos sinais digitais como em características aprendidas por técnicas de aprendizado profundo.

Pretende-se neste projeto dar continuidade à linha de pesquisa em Modelagem e Simulação Computacional para Quantificação Automática de Propriedades Mecânicas e da Cinética de Regiões do Músculo Cardíaco, como parte de nossas atividades enquanto responsável pelo Laboratório Associado ao Instituto Nacional de Ciência e Tecnologia (INCT) em Medicina Assistida por Computação Científica (MACC) (http://macc.lncc.br/). Para tanto, pretende-se validar os métodos propostos através de phantoms matemáticos e phantoms físicos dinâmicos visando refinamentos e otimização. Pretende-se também avaliar e propor formas amigáveis e intuitivas de apresentar a informação ao clínico para auxílio a diagnóstico.

As instituições de saúde armazenam os dados dos pacientes (Registros Eletrônicos de Pacientes - REP) em seus próprios repositórios, usando as particularidades estruturais definidas em cada instituição para realizar suas atividades. No entanto, os dados de um determinado indivíduo estão geralmente espalhados por muitos repositórios em diferentes instituições e formatos levando à necessidade frequente de compartilhar informações entre instituições. Dada as diferenças de como e quais dados são registrados, surge a necessidade de padrões para sua interoperabilidade, e uma das mais recentes e promissoras tecnologias de compartilhamento de dados médicos é baseada no Modelo Comum de Dados Observacionais em Medicina (OMOP-CDM) proposto pela iniciativa OHDSI. Os dados armazenados em REP são fundamentalmente multimodais (imagens, vídeos, séries temporais etc.), adquiridos de fontes distintas e com estruturas ou formatos variados que devem ser propriamente gerenciados. Este projeto visa compatibilizar fontes e formatos, desenvolvendo técnicas para integrar resultados de pesquisas anteriores do GBdI obtidas com dados de exames médicos baseados em imagens no OMOP. Embora ainda não exista suporte padronizado para comparações de similaridade nem para tipos de dados complexos, como imagens no OMOP, esta pesquisa pretende desenvolvê-lo no Projeto MIVisDB e disponibilizá-lo à comunidade da área.

O objetivo do trabalho é construir uma infraestrutura baseada nos dados armazenados nos bancos de dados clínicos do InCor e outros 24 Hospitais da Rede Pública do Estado de São Paulo. A primeira e mais onerosa tarefa na alçada deste objetivo é a limpeza dos dados. Sistemas Analíticos Visuais encompassam ferramentas de apoio a decisão em saúde, e portanto, precisam fornecer informação confiável para a tomada de decisões tão precisas quanto possível. Contudo, erros nos registros originais podem levar a decisões erradas. Uma vez que a infraestrutura de armazenamento esteja disponível, é necessário determinar e preparar os dados relevantes que serão usados por cada aplicação analítica visual. O principal objetivo do candidato ao treinamento técnico é portanto prover a infraestrutura envolvendo os dados dos diversos sistemas de infomação hospitalares para permitir o desenvolvimento das ferramentas de análise visual.O sistema de informações hospitalares a ser usado na coleta de dados clínicos é desenvolvido pelo Departamento de Informática do InCor. Este sistema consiste de módulos que registram a admissão, alta e transferência (ADT) dos pacientes, as atividades médicas, os diagnósticos e terapias, solicitações e acessos aos dados dos pacientes, incluindo sinais vitais, imagens e exames laboratoriais. Os módulos são integrados em uma aplicação web de modo a permitir uma navegação fácil e rápida. O sistema tem uma arquitetura em três camadas baseado no Oracle 10g na camada de banco de dados, Oracle Forms na camada de aplicação e um navegador Web na camada de interface com o usuário. Adicionalmente aos dados clínicos, o sistema também inclui informações administrativas e financeiras. O número de pacientes registrados na base de dados do InCor ao final de 2015 era em torno de 1,2 milhões de indivíduos, e o número total dos outros 24 Hospitais era em torno de 1,8 milhões de indivíduos.

Hoje, quase todas as atividades humanas geram e/ou demandam armazenar e processar conjuntos de dados cada vez maiores, que muitas vezes são diversos e complexos. Esse cenário de crescimento vertiginoso, que ocorre tanto no meio científico, acadêmico, empresarial e até mesmo nas atividades de lazer, demanda novos métodos eficientes para organização e acesso. Tal cenário está sendo chamado como a "era do big data". Atividades e sistemas relacionados à saúde estão no centro desse cenário, pois produzem grandes quantidades de dados diversificados e complexos. É importante que avancemos tecnologicamente, de modo a nos beneficiarmos desse volume de dados para ampliar o conhecimento das áreas, de modo, por exemplo, a apoiar o processo de tomada de decisão. Esse apoio à decisão em sistemas complexos está cada vez mais orientado pelas informações extraídas e o que se aprende desses grandes volumes de dados. Em um ambiente clínico, os Registros Eletrônicos dos Pacientes (REP) constituem uma plataforma propícia ao desenvolvimento de estratégias para extração de informações dos pacientes, seus perfis e mesmo de grupos que possuem uma mesma casuística. Neste projeto, pretende-se integrar suportes inovadores de bancos de dados, processamento de imagens e métodos de análise visuais de dados com base em REPs e repositórios de dados clínicos para reunir informações valiosas e significativas para a tomada de decisões que apoiem o diagnóstico e tratamento de pacientes. O tamanho e a complexidade das bases de dados de REPs oferecem grandes desafios de processamento, tanto em termos de desenvolvimento e aplicação de técnicas de análise e de extração de conhecimento, quanto ao apoio ao desenvolvimento de ferramentas práticas para uso clínico. No entanto, também incorporam uma infinidade de oportunidades para criar algoritmos e métodos capazes de exibir informações relevantes relacionadas com um paciente particular ou grupos de pacientes, que estariam usualmente ocultas pelo grande volume de dados. Além disso, uma manipulação eficiente desses dados possui alto potencial para tornar os REPs em uma plataforma mais eficaz para apoiar os profissionais de saúde, lidando com aplicações médicas de rápida demanda bem como decisões governamentais estratégicas em saúde. Neste projeto iremos desenvolver métodos e algoritmos que serão materializados em uma plataforma modular a ser disponibilizada para a comunidade da área, apoiando o cotidiano da tomada de decisões em sistemas de saúde.

Nas últimas duas décadas, muitas instituições de saúde no Brasil migraram seus Prontuários de Paciente em papel para mecanismos digitais de aquisição e guarda de informações pelo desenvolvimento e implantação de Prontuários Eletrônicos do Paciente (PEP), ou Registros Eletrônicos de Saúde (RES). A implantação dos RES vem crescendo em ritmo acelerado no país. Essa nova forma de manipular os dados de saúde permitiu enormes avanços no armazenamento, recuperação e compartilhamento de informações de pacientes. Os dados digitais de saúde incluem todas as informações textuais associadas ao histórico do paciente, imagens (principalmente conjuntos tridimensionais), vídeos e sinais. Devem ser acrescentados a essa lista os dados genômicos e de sensores biométricos que colhem dados por períodos longos de tempo. Diversos benefícios resultaram dessa migração do papel para o eletrônico, talvez o mais importante deles seja o fato de o profissional responsável pelo cuidado poder visualizar todos os dados do paciente em tempo real no ponto de cuidado. Além desse efeito no atendimento diteto aos pacientes, os pesquisadores da área clínica contam com um enorme volume de dados facilmente manipulável, o que auxilia a geração de novos conhecimentos baseados em estatísticas cada vez mais robustas, beneficiando a população em geral. Entretanto, o acesso a um número cada vez maior de informações torna mais difíceis os processos de análise de dados. A dificuldade é causada, em parte, pelo problema de sobrecarga de informações, que resulta da possibilidade atual de coleta e armazenamento de dados em uma velocidade maior do que a habilidade humana de utilizar esses dados para tomada de decisão. Essa velocidade que aumenta rapidamente a cada novo avanço nas tecnologias de informação e comunicação. A possibilidade de perda de informações relevantes é muito grande em meio a essa enorme quantidade de dados, que podem não ser importantes para o problema em questão e podem ter sido processados de maneira inadequada ou ser apresentados de forma não apropriada. O InCor está inserido no cenário atual de Instituições que, após desenvolver o seu Sistema Integrado de Informações (SI3), possui um enorme volume de dados sobre a assistência ao paciente e que representa uma fonte de informações potencialmente muito rica para a obtenção de novos conhecimentos.

Este projeto tem por objetivo desenvolver um modelo matemático que represente as diferentes camadas da parede vascular: íntima, média e adventícia; além de diferenciar tecidos e sua composição (cálcio ou lipídio). Também é objetivo deste projeto desenvolver um conjunto de ferramentas computacionais que possam representar distintamente os diversos tecidos envoltos na parede vascular presente em imagens de IV-TCO e quantificá-los de forma automática. O resultado desta quantificação deve auxiliar na análise de doenças vasculares. De forma mais específica, objetivamos desenvolver um método computacional eficiente para identificar de forma automática a área do lúmen, regiões calcificadas e regiões lipídicas para cada corte advindo do exame intravascular, identificar em qual camada da parede vascular se encontram essas regiões calcificadas e de lipídios e organizar, direcionalmente de forma automática, cada corte resultante do pullback (retirada do cateter de um vaso em velocidade constante), facilitando uma eventual reconstrução 3D distinguindo os diferentes tecidos - (R$ 105.600,00)

Organização da Comissão Científica do XV Congresso Brasileiro de Informática em Saúde

O Serviço de Informática (SInfo) do Instituto do Coração (InCor-HCFMUSP) tem acumulado considerável experiência em redes de computadores, integração de sistemas complexos, processamento de sinais e imagens médicas, processamento distribuído de alto desempenho, segurança de sistemas, adquirida através de diversos projetos de pesquisa e desenvolvimento patrocinados pelos órgãos de fomento. Estes projetos têm oferecido uma infra-estrutura de excelente qualidade para os demais Projetos de Pesquisa em andamento no InCor, especialmente aqueles que envolvem a troca de informações clínicas e assistenciais com demais Instituições. Dentre estas iniciativas, destacam-se o Projeto Rmav-SP (CNPq), Projeto GiGa (RNP/MCT) e Projeto Kyatera (FAPESP). Este documento apresenta Plano Anual de Aplicação da Reserva Técnica para Conectividade à ANSP, submetido à FAPESP como parte dos requisitos necessários à obtenção dos recursos da Reserva Técnica Institucional para Conectividade à Rede ANSP, que foram reservados para o InCor de acordo com comunicado RTI ANSP 2014, de 24 de fevereiro de 2014.

Nas últimas duas décadas, muitas instituições de saúde no Brasil migraram seus Prontuários de Paciente em papel para mecanismos digitais de aquisição e guarda de informações pelo desenvolvimento e implantação de Prontuários Eletrônicos do Paciente (PEP), ou Registros Eletrônicos de Saúde (RES). A implantação dos RES vem crescendo em ritmo acelerado no país. Essa nova forma de manipular os dados de saúde permitiu enormes avanços no armazenamento, recuperação e compartilhamento de informações de pacientes. Os dados digitais de saúde incluem todas as informações textuais associadas ao histórico do paciente, imagens (principalmente conjuntos tridimensionais), vídeos e sinais. Devem ser acrescentados a essa lista os dados genômicos e de sensores biométricos que colhem dados por períodos longos de tempo. Diversos benefícios resultaram dessa migração do papel para o eletrônico, talvez o mais importante deles seja o fato de o profissional responsável pelo cuidado poder visualizar todos os dados do paciente em tempo real no ponto de cuidado. Além desse efeito no atendimento diteto aos pacientes, os pesquisadores da área clínica contam com um enorme volume de dados facilmente manipulável, o que auxilia a geração de novos conhecimentos baseados em estatísticas cada vez mais robustas, beneficiando a população em geral. Entretanto, o acesso a um número cada vez maior de informações torna mais difíceis os processos de análise de dados. A dificuldade é causada, em parte, pelo problema de sobrecarga de informações, que resulta da possibilidade atual de coleta e armazenamento de dados em uma velocidade maior do que a habilidade humana de utilizar esses dados para tomada de decisão. Essa velocidade que aumenta rapidamente a cada novo avanço nas tecnologias de informação e comunicação. A possibilidade de perda de informações relevantes é muito grande em meio a essa enorme quantidade de dados, que podem não ser importantes para o problema em questão e podem ter sido processados de maneira inadequada ou ser apresentados de forma não apropriada. O InCor está inserido no cenário atual de Instituições que, após desenvolver o seu Sistema Integrado de Informações (SI3), possui um enorme volume de dados sobre a assistência ao paciente e que representa uma fonte de informações potencialmente muito rica para a obtenção de novos conhecimentos.

1o Simpósio em Métodos Quantitativos em Imagens Médicas e Biosensores, organizado pela Universidade Federal do Amazonas em colaboração com o Instituto do Coração do Hospital das Clínicas da Faculdade de Medicina da USP.

O objetivo principal desta proposta e transferir para o Sistema de Saúde aplicativos médicos inovadores, orientados para o diagnóstico, tratamento, planejamento cirúrgico, treinamento e suporte à decisão auxiliados por computador. O Instituto Nacional de Ciência e Tecnologia em Medicina Assistida por Computação Científica (INCT-MACC) vem permitindo, desde 2008, integrar com sucesso uma rede de conhecimentos em modernas técnicas de comunicação e transmissão multimídia, desenvolvendo e gerenciando ambientes computacionais em nuvem e de alto desempenho para a modelagem e simulação computacional dos sistemas fisiológicos que integram o corpo humano, envolvendo múltiplas escalas nos níveis molecular, celular e sistêmico, promovendo o desenvolvimento do processamento de imagens médicas, da visualização científica e da realidade virtual no desenvolvimento de aplicativos médicos inovadores. As metas para o próximo período visam disponibilizar e testar os referidos aplicativos médicos além de modelar dados de genômica, proteômica e metabolômica para antecipar diagnósticos e desfechos em condições clínicas reais de um hospital terciário. Estas metas serão atingidas por meio de 16 objetivos específicos, contidos em cinco objetivos gerais: 1) consolidar pesquisas e o desenvolvimento de tecnologias e focar esforços na integração de novos dados e desenvolvimento de aplicativos médicos na fronteira da ciência da Medicina Assistida por Computação Científica (MACC); 2) formar recursos humanos em todos os níveis acadêmicos e capacitar profissionais no uso racional e eficiente destes novos conhecimentos; 3) transferir para a sociedade conhecimentos e benefícios na área; 4) transferir para o setor produtivo público e privado inovações científicas tecnológicas, contribuindo com o imediato uso das mesmas em benefício da saúde da população; e 5) consolidar o INCT-MACC como ator internacional entre as poucas organizações protagonistas na modelagem computacional em Medicina. A combinação de estratégias integradas e inovadoras, conforme demonstrado nos resultados já produzidos pelo INCT-MACC e descritas nesta proposta, permitirão avanços consistentes com esforços globais de reengenharia dos Sistemas de Saúde para torná-los mais resolutivos e universais sob condições econômicas sustentáveis para países em desenvolvimento e desenvolvidos. O tratamento de problemas universais nas condições brasileiras de processos, infraestrutura e as peculiaridades genéticas da população brasileira será de fundamental importância e aplicação socioeconômica. Espera-se também que o desenvolvimento destes objetivos se acompanhe do treinamento e formação de recursos humanos em todos os níveis, com treinamento interdisciplinar, capacitação em técnicas computacionais em biomedicina, profissionais que estão em grande demanda no país e no exterior e transferência tecnológica para os setores público e produtivo. Finalmente, é importante ressaltar que a proposta para o período 2015-2021 focalizara os centros médicos participantes, que demandam e testarão os novos conhecimentos, tecnologias e a integração de dados genômicos a aplicativos médicos e, por isso, emblematicamente propomos mudança na coordenação do INCT-MACC e a transferência da sede para o InCor-HCFMUSP (maior centro Latino-Americano e um dos mais importantes centros do mundo em Medicina Cardiovascular). A despeito dos resultados amplamente positivos do INCT, houve um aprendizado muito grande nos últimos seis anos que estimulou o grupo a considerar novas estratégias, detalhadas nos métodos, e que resultaram na proposta de um novo conjunto de 31 laboratórios associados, com sede em 11 estados, e por 17 laboratórios colaboradores com sede no exterior, distribuídos em 7 países, capazes de atender aos novos desafios propostos.

O World Congress on Medical and Health Informatics (MEDINFO) é o mais importante evento internacional em Saúde e Informática Médica, a ser realizado pela primeira vez na América do Sul.

A tomografia por coerência óptica intravascular (IV-TCO) é uma modalidade de aquisição de imagens in-vivo baseada na introdução de um cateter intravascular para visualização interna da parede de vasos
sanguíneos. A IV-TCO possui muitas vantagens sobre as demais modalidades de imagens médicas (principalmente em relação ao ultrassom intravascular), devido à excelente resolução de 10μm a
20μm, que permite visualizar de forma microscópica os tecidos. A aquisição e análise de imagens cardíacas por TCO é recente e abre diversas frentes de aplicações e desenvolvimento de técnicas
automáticas de visão computacional e áreas correlatas. O objetivo deste projeto é criar modelos que representem os diversos tecidos que compõem a parede vascular e desenvolver ferramentas computacionais que permitam realizar uma quantificação desses tecidos e de possíveis
placas constituídas de material do tipo cálcio ou lipídio. Os detalhes de textura dos tecidos e placas, devido à alta resolução, serão utilizados como informação a priori para a criação dos modelos. Espera-se, com os resultados desse projeto, contribuir para o desenvolvimento de novos métodos baseados na aquisição de imagens médicas por TCO que permitam a análise de características de doenças cardíacas - (R$ 234.000,00)

O Serviço de Informática (SInfo) do Instituto do Coração (InCor-HCFMUSP) tem acumulado considerável experiência em redes de computadores, integração de sistemas complexos, processamento de sinais e imagens médicas, processamento distribuído de alto desempenho, segurança de sistemas, adquirida através de diversos projetos de pesquisa e desenvolvimento patrocinados pelos órgãos de fomento. Estes projetos tem oferecido uma infraestrutura de excelente qualidade para os demais Projetos de Pesquisa em andamento no InCor, especialmente aqueles que envolvem a troca de informações clínicas e assistenciais com demais Instituições. Dentre estas iniciativas, destacam-se o Projeto Rmav-SP (CNPq), Projeto GiGa (RNP/MCT) e Projeto Kyatera (FAPESP). Este documento apresenta Plano Anual de Aplicação da Reserva Técnica para Conectividade à ANSP, submetido à FAPESP como parte dos requisitos necessários à obtenção dos recursos da Reserva Técnica Institucional para Conectividade à Rede ANSP, que foram reservados para o InCor de acordo com comunicado RTI ANSP 2013, de 26 de fevereiro de 2013.

A e-Saúde e a Informática Biomédica vêm mudando a maneira de se organizar e ofertar serviços de saúde em todo o Mundo. As atividades de saúde estão intimamente ligadas à informação e comunicação e dependem de conhecimento e tecnologia para viabilizar mecanismos inovadores, efetivos, eficazes e eficientes que ampliem o alcance e aumentem a qualidade, a resolubilidade e a humanização dos diversos aspectos da atenção em saúde.O Congresso Brasileiro de Informática em Saúde (CBIS) é o mais importante evento nacional em e-Saúde e Informática Biomédica. A 14a edição do CBIS (CBIS 2014, http://www.sbis.org.br) será organizado pela Sociedade Brasileira de Informática em Saúde (SBIS, http://www.sbis.org) em nome da International Medical Informatics Association (IMIA, http://www.imia.org), da qual é afiliada e que congrega as sociedades de informática médica dos demais países. A IMIA também é responsável pela publicação dos principais periódicos indexados na área: Applied Clinical Informatics (Schattauer Publishers Stuttgart, http://www.aci-journal.org/), International Journal of Medical Informatics (Elsevier, http://www.ijmijournal.com/home), Methods of Information in Medicine (Schattauer Publishers Stuttgart, http://www.methods-online.com/) e pelo IMIA Yearbook of Medical Informatics.O CBIS 2014 ocorrerá no Hotel Mendes Plaza na cidade de Santos, no período de 7 a 10 de Dezembro de 2014, tendo com o tema central a extração de informação em Saúde, a partir de grandes volumes de dados (BigDATA), no qual serão discutidos novos métodos, sistemas e tecnologias para aumentar a segurança do paciente, melhoria dos resultados em saúde, cuidado centrado no paciente, contribuir com pesquisa translacional e para promover a educação e formação em informática em saúde.O evento contará com Conferências, Sessões Orais e Sessões de Pôsters, proferidas por eminentes pesquisadores, além de Cursos e Tutoriais

A disponibilização e acesso às informações de Saúde no ponto de cuidado do paciente (POC - point-of-care) é uma necessidade universal para qualquer profissional de Saúde, em especial nos Instituições de Ensino e Pesquisa. Os avanços nas tecnologias de computação móvel (PocketPCs, PDAs e Tablets) e aplicações para estes dispositivos, tais como referências médicas, manuais de referência sobre drogas, boas práticas e informações sobre a assistência do paciente podem proporcionar uma melhoria na assistência no POC, bem como suprir a necessidade de informações pelos profissionais de Saúde, que estejam em treinamento neste tipo de local. A adoção de computação móvel adiciona valor à prática clínica, oferecendo aos profissionais de Saúde informações clínicas e de assistência quando e onde elas são necessárias. Além disso, tais tecnologias podem melhorar a troca de informação entre profissionais de Saúde, reduzindo erros médicos, devido ao acesso inadequado ou limitado sobre dados clínicos, propiciando suporte à decisão clínica no POC. Este projeto tem por objetivo dar continuidade ao desenvolvimento de novos produtos e aplicações desenvolvidos em projetos anteriores, nos quais foram adaptados e/ou desenvolvidos novos sistemas médicos, tanto nos aspectos tecnológicos, quanto na própria arquitetura lógica e de design, para que pudessem operar como dispositivos móveis conectados em redes sem-fio. Nesse sentido, o projeto aqui proposto, pretende dar continuidade ao esforço em disponibilizar informações clínicas e assistências de pacientes e dos serviços de apoio no ponto de cuidado do paciente, considerando as particularidades de uma Instituição de ensino e pesquisa.

A análise espaço-temporal de séries de imagens 3D oferece a possibilidade de quantificação da estrutura e funcionamento do ventrículo esquerdo (VE). Dependendo da modalidade da imagem estudada, pode-se medir o volume do VE, a massa do músculo cardíaco, o movimento e encurtamento segmentar da parede ventricular e a perfusão regional. A medida precisa desses parâmetros fisiológicos permitirá uma melhoria no diagnóstico das doenças do ventrículo e uma melhor avaliação da eficiência da intervenção médica em cardiologia. 
Embora os modernos equipamentos médicos forneçam imagens de excepcional qualidade da anatomia e função interna, a análise e a quantificação eficiente de estruturas ainda são bastante limitadas, principalmente quando o estudo envolve parâmetros de estruturas tridimensionais. A simples visualização e inspeção de estruturas já não atende o amplo espectro de investigações biomédicas. Dados quantitativos, reprodutíveis e precisos, extraídos de imagens médicas, são fundamentais para suportar uma parte importante das pesquisas e atividades clínicas, seja no diagnóstico, na terapia, ou mesmo na cirurgia - (R$ 105.600,00)

Pretende-se realizar o "2nd Workshop on Scientific Computing in Health Applications" que, em sua primeira versão, ocorreu em 2010 no LNCC/MCTI em Petrópolis. Nesta 2ª edição, o evento ocorrerá no Centro de Convenções Rebouças na cidade de São Paulo, no período de 6 a 8 de agosto de 2012. Os temas a serem abordados no evento podem ser aglutinados nas seguintes 5 grandes áreas: 1) Modelagem e simulação computacional de sistemas fisiológicos complexos e suas aplicações em medicina com ênfase no sistema cardiovascular humano e traumatismo ósseo; 2) Processamento avançado de imagens médicas incluindo visualização e reconstrução tridimensional de estruturas de relevância médica e suas aplicações na modelagem e simulação computacional; 3) Ambientes virtuais colaborativos de realidade virtual e aumentada etelemanipulação na área médica para planejamento cirúrgico, treinamento e formação de recursos humanos; 4) Sistemas de informação em saúde, com aplicações em atendimento médico emergencial e vigilância em saúde pública; 5) Ciberambientes de computação distribuída de alto desempenho para aplicações médicas. Para as 5 grandes áreas de interesse do INCT-MACC, a serem exploradas no WSCAH 2012, estão previstas as seguintes atividades: Plenary Conferences: conferências convidadas de uma hora de duração, proferidas por eminentes pesquisadores de renome internacional, responsáveis por apresentar o estado da arte e futuras tendências nas diversas áreas do conhecimento relacionadas com a medicina assistida por computação científica; Invited Speakers: conferências convidadas de 20 minutos (mais 10 minutos para perguntas) proferidas por pesquisadores nacionais ou do exterior, que se destacaram pelas suas contribuições nas áreas do workshop; Short Courses: cursos avançados de quatro horas de duração, em temas focados pelo workshop, proferidos por pesquisadores convidados.

A realização de pesquisas clínicas em centros de excelência é um fator fundamental para o avanço da Medicina e da Saúde Pública. A condução dessas atividades nos centros de pesquisas clínicas atuais é uma tarefa complexa, composta por múltiplos pesquisadores, processos, fluxos de trabalhos, recursos e informações. Os desafios existentes atualmente na área de cardiopneumologia têm revelado a necessidade, cada vez maior, da participação colaborativa entre diferentes pesquisadores e laboratórios, unindo profissionais com diferentes formações e especialidades. Nos últimos anos tem-se verificado uma mudança significativa em direção a uma abordagem translacional nas metodologias de pesquisa, que implica na integração de diversos campos do saber. A nova abordagem translacional de pesquisas na área Médica apresenta enormes desafios em termos de volumes de dados, com necessidades envolvendo o armazenamento e transmissão cada vez maiores, e com a necessidade de ferramentas de software dedicadas para a análise dos dados e sua transformação em informação e conhecimento. O Instituto do Coração (InCor) - HCFMUSP - desenvolveu o Sistema Integrado de Informações InCor (SI3), que coleta continuamente um enorme volume de dados sobre a assistência do paciente e que representa uma fonte de informações potencialmente muito rica para a obtenção de novos conhecimentos. O desafio de implementar ferramentas adequadas para manipular a informação disponível no SI3, proporcionando o conhecimento científico necessário aos objetivos das diversas pesquisas clínicas, pode ser abordado com um conjunto de técnicas e ferramentas da ciência da computação, destinadas à transformação de dado em informação (Mineração de Dados). Essas técnicas, aplicadas aos dados dos sistemas de informação em Saúde podem contribuir, decisivamente, nos estudos clínicos. Entretanto, o acesso a esses dados com finalidade de pesquisa frequentemente representa um desafio, primeiramente devido às restrições ao acesso para proteger a privacidade e confidencialidade dos dados do paciente. Na maioria das situações, a garantia da segurança e confidencialidade envolve a de - identificação parcial ou total do paciente para os pesquisadores, bem como a adoção de mecanismos de segurança para identificação unívoca desses pesquisadores e garantia de autenticidade dos registros clínicos. Neste último caso, isso só é possível através da adoção de Certificados Digitais, dentro de uma infraestrutura de chaves-públicas, proposta apresentada neste projeto.