Docking molecular é uma técnica computacional utilizada para prever como duas moléculas, geralmente uma proteína e um ligante, interagem entre si. Essa técnica simula o encaixe da molécula menor (ligante) no sítio ativo da molécula maior (proteína), permitindo a análise de afinidade e especificidade das interações. O docking molecular é fundamental para a descoberta de novos medicamentos, pois ajuda a identificar possíveis candidatos a fármacos e a compreender os mecanismos moleculares subjacentes a diversas doenças. Além disso, técnicas avançadas de IA e aprendizado de máquina têm melhorado a precisão e eficiência dessas previsões, reduzindo custos e tempo no desenvolvimento de novos tratamentos. Foi desenvolvida uma abordagem para a estimativa do encaixe molecular entre proteínas, utilizando uma combinação de redes de pseudo-convolução e Random Forests. Esta abordagem visou melhorar a precisão na previsão da afinidade de ligação entre proteínas por meio de uma estratégia inteligente. As redes de pseudo-convolução foram empregadas para processar sequências de aminoácidos das proteínas candidatas-alvo, fragmentando-as em segmentos menores e capturando informações estruturais cruciais. Subsequentemente, os Random Forests foram utilizados para classificar os vetores resultantes das pseudo-convoluções. A metodologia foi avaliada rigorosamente por meio de experimentos que compararam seus resultados com abordagens tradicionais de encaixe molecular, explorando também as capacidades de generalização e adaptação a diferentes tipos de proteínas e cenários de interações moleculares. Os resultados mostraram que a metodologia apresentou avanços significativos. A redução de 8113 para 11 atributos aumentou a eficiência sem sacrificar a precisão. O modelo Random Forest com 200 árvores destacou-se com acurácia de 99.8%, índice Kappa de 0.997, sensibilidade de 0.997, especificidade de 1.000 e AUC de 1.000. Esses resultados indicam alta eficiência e contribuições significativas para a descoberta de novos medicamentos.

O Transtorno do Espectro Autista (TEA) é um distúrbio do sistema nervoso que afeta o cérebro e resulta em dificuldades na fala, na interação social e em déficits de comunicação, comportamentos repetitivos e atrasos nas habilidades motoras. Esse distúrbio geralmente pode ser distinguido com os protocolos de diagnóstico clínico existentes a partir dos três anos de idade. O TEA também possui influência genética. Uma em cada 70 crianças em todo o mundo é afetada pelo TEA. Não existe um tratamento específico para o TEA, mas diversas técnicas terapêuticas têm sido desenvolvidas para minimizar os sintomas e melhorar as capacidades cognitivas, as habilidades sociais e comunicativas e a qualidade de vida como um todo. Atualmente o diagnóstico do TEA é clínico: equipes de psiquiatras, psicólogos clínicos e neuropsicólogos, com uso de observações e questionários, realizam o diagnóstico e estabelecem a faixa de gravidade. Diversas pesquisas têm apontado para a possibilidade de diagnósticos diferenciais baseados na análise de sinais eletroencefalográficos (EEG), para avaliar a atividade cerebral pelos sinais de EEG. Técnicas de aprendizado de máquina vêm sendo investigadas para construir ferramentas de apoio ao diagnóstico diferencial. As redes neurais artificiais profundas têm-se mostrado eficazes na resolução de problemas complexos de classificação, o que poderia auxiliar bastante na tarefa de apoio ao diagnóstico por análise multimodal. Este projeto tem como objetivo propor uma arquitetura híbrida baseada em redes neurais artificiais profundas e aprendizado estatístico para apoio ao diagnóstico do TEA a partir da análise de sinais de EEG rotulados por diagnóstico clínico. A arquitetura será validada por meio de bases públicas de sinais de EEG obtidos de voluntários reais dentro e fora do espectro autista.

A auditoria de prontuários hospitalares é um processo que garante qualidade, segurança e conformidade dos registros assistenciais, promovendo comunicação eficaz entre profissionais e contribuindo para a melhoria contínua dos serviços de saúde, além de impactar a sustentabilidade financeira hospitalar. A auditoria manual é um processo trabalhoso e propenso a falhas humanas, especialmente em hospitais de grande porte e alta complexidade. A introdução da Inteligência Artificial na auditoria de prontuários pode otimizar a análise, tornando-a mais ágil, precisa e abrangente. O presente trabalho apresenta um modelo de Inteligência Artificial Generativa especializado para apoio à auditoria hospitalar, desenvolvido a partir do modelo GPT-4o da OpenAI, adaptado para o domínio específico da saúde. O objetivo principal foi desenvolver um assistente de auditoria que analisasse e classificasse os dados dos prontuários, reduzindo erros e aumentando a eficiência do processo. A metodologia envolveu o treinamento de um Modelo amplo de linguagem (LLM) com dados indicados por especialistas e a avaliação do desempenho do modelo através de métricas como sensibilidade, especificidade, índice Kappa e Área sob curva ROC. Os resultados indicam que o assistente pode replicar com eficácia as avaliações humanas, sugerindo um potencial significativo para transformar a prática de auditoria hospitalar. Conclui-se que a aplicação de Inteligência Artificial na auditoria interna pode transformar os processos, promovendo maior segurança, eficiência e alcance das análises realizadas pelo setor.

A hanseníase, uma doença negligenciada, e o câncer de pele apresentam desafios diagnósticos significativos devido à semelhança de suas lesões com diversas outras dermatoses, o que pode levar a erros e atrasos no tratamento. Este trabalho teve como objetivo o desenvolvimento e a avaliação de um sistema inteligente baseado em imagens para apoiar o diagnóstico diferencial e não invasivo da hanseníase e do câncer de pele. Adotando a metodologia CRISP-DM, foi construída uma aplicação web em Django que integra uma "Fábrica de Modelos"para experimentação e um módulo para análise clínica. O sistema utiliza uma abordagem de aprendizado de máquina híbrida, combinando Redes Neurais Convolucionais (CNNs) pré-treinadas (EfficientNetB0, InceptionV3, DenseNet201) para extração de características e classificadores tradicionais (MLP, Random Forest, SVM) para a predição final. Foram propostos seis cenários de classificação para avaliar o desempenho em diferentes desafios clínicos, utilizando um banco de dados de imagens do Atlas Dermatológico. Os resultados indicaram que a combinação da CNN EfficientNetB0 com um classificador MLP apresentou a melhor performance geral, com acurácia superior a 94% em cenários de distinção entre hanseníase e câncer de pele, e entre câncer de pele e lesões benignas similares. O sistema demonstrou maior dificuldade na diferenciação entre os subtipos de hanseníase e na distinção da doença de outras dermatoses benignas, um reflexo dos desafios clínicos reais. Conclui-se que o sistema é um produto mínimo viável promissor, com potencial para auxiliar na triagem de lesões, mas que necessita de uma base de dados mais ampla para aprimorar sua acurácia em casos de alta sobreposição morfológica.

Introdução: A adolescência e a juventude compreendem uma fase de sobreposição e transição crítica na qual os indivíduos estão mais vulneráveis a Infecções Sexualmente Transmissíveis (IST) e gravidezes não planejadas. Métodos tradicionais de ensino, como palestras, têm se mostrado limitados na retenção de conhecimento e engajamento dessa população. Em resposta, este estudo defende que o uso de recursos educacionais abertos, combinados com jogos sérios e gamificação, oferecem estratégias promissoras para estimular o aprendizado ativo em ambientes mais seguros e privados. Objetivo: Mapear as evidências disponíveis na literatura científica que abordem o uso de jogos sérios e da gamificação como estratégia educativa para promover a saúde sexual e reprodutiva entre adolescentes e adultos jovens. Métodos: Trata-se de uma revisão de escopo, onde as buscas foram conduzida nas bases de dados MEDLINE via PubMed, Scopus, LILACS, IEEE, BVS e ACM, limitando a estudos publicados nos últimos 10 anos. Foram incluídos estudos que analisaram jogos sérios ou gamificação para promover a saúde sexual e reprodutiva em participantes entre 10 e 24 anos. Resultados: Ao final da triagem, 17 estudos foram selecionados para análise, e demonstraram que as abordagens baseadas em jogos sérios e gamificação são significativamente mais promissoras e superiores aos métodos tradicionais. Houve melhora consistente na aquisição de conhecimento, na motivação e no engajamento dos alunos. O público-alvo concentrou-se em grupos minoritários ou em situação de vulnerabilidade social e econômica. As temáticas abordadas foram amplas, abrangendo informações como sexualidade, higiene, prevenção de ISTs, contracepção e saúde puberal/menstrual. Considerações Finais: Esta revisão confirmou o potencial transformador dos jogos sérios e da gamificação para a educação sexual e reprodutiva, proporcionando um ambiente seguro e discreto para temas sensíveis. Contudo, foram identificadas limitações consistentes nas pesquisas, como a dificuldade em medir mudanças comportamentais de longo prazo, a necessidade de amostras maiores e acompanhamentos mais longos. O estudo reforça que a integração de jogos sérios e gamificação é uma estratégia global essencial que se alinha diretamente aos ODS 3, 4 e 5 (saúde e bem-estar, educação de qualidade e igualdade de gênero), fornecendo contribuições valiosas para políticas públicas e currículos escolares mais inovadores. Sugere- se que futuras pesquisas se aprofundem em amostras maiores e acompanhamentos de longo prazo para consolidar o potencial dessas intervenções.

O envelhecimento populacional acelerado no Brasil e no mundo tem intensificado a prevalência de doenças neurodegenerativas, especialmente as demências, como a Doença de Alzheimer. Nesse contexto, terapias não farmacológicas, como a musicoterapia, têm ganhado destaque por sua eficácia na melhora da qualidade de vida, comunicação e bem-estar emocional de pacientes com demência. Contudo, a personalização dos estímulos musicais — essencial para a eficácia da intervenção — enfrenta um desafio crítico: a avaliação subjetiva das respostas emocionais torna-se inviável em indivíduos com comprometimento cognitivo avançado, já que métodos tradicionais (como autorrelato, expressão facial ou análise vocal) perdem confiabilidade. Diante disso, este trabalho propõe o desenvolvimento de uma interface musical cérebro-máquina capaz de reconhecer estados emocionais de forma objetiva e não invasiva, utilizando sinais eletroencefalográficos (EEG) coletados durante atividades autobiográficas com estímulos musicais personalizados. A base de dados utilizada foi coletada por Santana (2023) e inclui 39 participantes — 21 controles cognitivamente saudáveis e 18 com diagnóstico de demência leve a moderada —, totalizando 39 registros de EEG rotulados conforme a valência emocional autoavaliada após o relato autobiográfico RAB2. Para viabilizar a aplicação de técnicas de aprendizado profundo, os sinais de EEG foram convertidos em imagens bidimensionais por meio do método ASTERI (Gomes, 2023), que emprega uma analogia com a tomografia computadorizada para gerar representações espaciais dos sinais multicanal. A partir dessas imagens, foram extraídas características implícitas utilizando uma rede neural convolucional pré-treinada (LeNet, originalmente treinada na base MNIST), resultando em um vetor de 500 atributos por amostra. Foram conduzidos três experimentos metodológicos: a) Experimento A: avaliação comparativa de múltiplos classificadores (Naive Bayes, BayesNet, J48, Random Forest e SVM) sobre a base completa de atributos; b) Experimento B: aplicação da Otimização por Enxame de Partículas (PSO) para seleção de atributos, reduzindo em 81% a dimensionalidade (de 500 para 95 atributos), seguida de nova classificação; c) Experimento C: análise da influência do número de iterações do PSO (20, 50, 100, 150 e 200) na estabilidade do desempenho classificatório. Os resultados demonstraram que o Random Forest com 100 árvores obteve desempenho superior em todos os cenários, com acurácia média de 98,84% ± 0,15 no Experimento A e 98,61% ± 0,56 no Experimento B, mantendo índice Kappa acima de 0,98, sensibilidade e especificidade próximas a 0,98–0,99 e AUC-ROC igual a 1,00. Notavelmente, mesmo após a redução de 80% dos atributos, o desempenho permaneceu estável, evidenciando a robustez da combinação ASTERI + PSO + Random Forest. Além disso, o Experimento C revelou que o número de iterações do PSO não impactou significativamente o desempenho final, com acurácias consistentemente acima de 97% para todos os valores testados, indicando que configurações mais leves (ex.: I = 20) já são suficientes para alcançar resultados ótimos. Este trabalho contribui para a Computação Biomédica ao demonstrar a viabilidade de uma abordagem integrada — baseada em representação imagética de EEG, extração profunda de características e seleção evolucionária de atributos — para o reconhecimento automático de emoções em populações clínicas vulneráveis, com potencial aplicação direta no apoio à personalização de intervenções musicoterapêuticas para idosos com demência.

O câncer de mama apresenta-se como uma doença crônico-degenerativa de evolução progressiva e prolongada, sendo o tipo mais comum entre as mulheres e correspondendo a cerca de 11,7% dos novos casos a cada ano no mundo. Para rastrear e diagnosticar a doença, são necessárias diferentes abordagens, que englobam a realização de exames de imagem, como mamografia e ultrassonografia e exames histopatológicos e imuno-hitoquímicos. O exame histopatológico permanece sendo o método definitivo para a confirmação do câncer de mama após a detecção de anomalias nos exames de imagem, sendo considerado o padrão ouro no diagnóstico do câncer de mama. As técnicas de aprendizado profundo, e especificamente as Redes Neurais Convolucionais (CNNs), emergiram como uma força substancialmente transformadora no cenário clínico, oferecendo a potencialidade para automatizar e aumentar a precisão nos processos de diagnóstico, se destacando na execução das tarefas de reconhecimento de características ao aprender padrões para classificação através do treinamento com amplos conjuntos de dados rotulados e no contexto do câncer de mama, as CNNs podem ser treinadas com o objetivo de detectar padrões sutis nas imagens histopatológicas, os quais podem ser indicativos de malignidade. Esse trabalho propõe a avaliação de algoritmos de inteligência artificial utilizando redes neurais profundas a fim de proporcionar apoio ao diagnóstico do câncer de mama através de imagens histopatológicas. Para o seu desenvolvimento, foi utilizada a base de dados pública de imagens histopatológicas BreaKHis, que conta com 7909 imagens microscópicas de tumores de mama. As imagens foram processadas com o software Weka (Waikato Environment for Knowledge Analysis) e o conjunto de dados foi dividido em duas partes. Na fase de treinamento foram testados cinco algoritmos: Random Forest, SVM, J48, Bayes Network e Naive Bayes. Após o treinamento observou-se que o classificador SVM com RBF 0.50 apresentou o melhor desempenho geral, demonstrando acurácia de 95,10%, índice Kappa de 0,94, sensibilidade 0,80, especificidade 0,98 e AUC-ROC de 0,91.

A distribuição demográfica do Brasil passou por grandes mudanças nas últimas décadas, devido ao aumento da expectativa de vida que resultou em um processo contínuo de envelhecimento da população. Diversas condições socioeconômicas , culturais, fisiológicas, ambientais e políticas condicionam o envelhecimento da população à prevalência de doenças relacionadas à senescência, como osteoporose, hipertensão e demências, sendo a doença de Alzheimer a mais comum. As demências são condições degenerativas e progressivas que envolvem o declínio da memória e outros déficits cognitivos, o desafio que se apresenta é a elaboração de cenários em que os avanços da saúde, ciência e da tecnologia que permitirão ao ser humano alcançar soluções rápidas, eficientes e a baixo custo para o cuidado da saúde da população idosa, diversos trabalhos atestam que a musicoterapia pode desacelerar o progresso das demências por meio de estímulos musicais e da educação musical que estimulam as áreas do cérebro responsáveis pela memória por meio das emoções. Reconhecer emoções humanas por meio de computadores tem sido um desafio significativo na área da Computação. Para realizar o reconhecimento de emoções, é necessário coletar dados humanos, o Eletroencefalograma (EEG) tem sido o mais usado para fornecer visões sobre diferentes emoções que estão associadas a padrões distintos de atividade cerebral e pode contribuir para diagnóstico precoce, monitoramento da progressão da condição, personalização da terapia com base em padrões específicos de atividade cerebral, avaliação de intervenções terapêuticas e o desenvolvimento de tecnologias assistivas. Este trabalho apresenta a avaliação de quatro redes neurais profundas: Lenet, Resnet, SqueezeNet e VGG, para extração atributos de dados coletados através do EEG que mostra potencial como apoio à terapia para idosos, com a possibilidade de reduzir o progresso de demências, incluindo a doença de Alzheimer.

Nakaseomyces glabrata (Candida glabrata) é um fungo patogênico de alta
prioridade e grande incidência, com potencial resistência aos antifúngicos
disponíveis. Nesse contexto, a inativação fotodinâmica (IFD) surge como
tecnologia alternativa promissora, por não induzir resistência nos
microrganismos alvos. A IFD ocorre quando um fotossensibilizador (FS) é
excitado por uma fonte de luz em comprimento de onda contido na sua
absorção, levando à produção de espécies reativas de oxigênio (do inglês,
reactive oxygen species, ROS) e à morte do microrganismo por estresse
oxidativo. Dos FSs, as Zn(II) porfirinas catiônicas (ZnPs) mostram-se atrativas
por sua eficiência na geração de ROS, efetiva interação celular e versatilidade
estrutural. Ainda, a IFD pode ser potencializada pela ressonância de plasmon
de superfície localizada quando nanopartículas de prata (AgNPs) são
associadas aos FSs. Assim, este trabalho objetivou avaliar a IFD de N.
glabrata, utilizando a porfirina ZnTE-2-PyP 4+ (ZnP-etil), livre e associada a
AgNPs. Para isso, AgNPs negativamente carregadas e recobertas por
polivinilpirrolidona, com perfil de extinção sobreposto à absorção da ZnP-etil,
foram sintetizadas e caracterizadas por espectroscopia UV-Vis e microscopia
eletrônica de transmissão (MET), apresentando diâmetro de ca. 14 nm. A
associação AgNPs-ZnP-etil foi caracterizada por espectroscopias UV-Vis e de
emissão, bem como por medições de potencial Zeta (ζ). Na IFD, N. glabrata foi
incubada com a ZnP-etil livre e associada a AgNPs em duas proporções
(AgNPs-ZnP-etil, NE, 1:4 e 4:1 v/v de AgNPs:FS), e irradiada com LED azul. A
IFD nas leveduras foi acessada por contagem de unidades formadoras de
colônias (UFCs) e nos biofilmes através de ensaio MTT. Modificações sutis no
perfil espectroscópico da ZnP-etil foram observadas após associação com
AgNPs e a análise do ζ indicou interação entre as AgNPs e a ZnP-etil. Nas
condições avaliadas, a IFD mediada por ZnP-etil livre (1,5 μM) promoveu uma
redução <1 log 10 das UFCs. Já a IFD com NE (0,3 μM de FS) levou à completa
erradicação das células planctônicas para o sistema 4:1 v/v e reduziu em ca. 4
log 10 as UFCs a 1:4 v/v. Em ensaios iniciais, a IFD mediada pela porfirina livre
(1,5 μM) diminuiu a viabilidade de biofilmes em ca. 40%, enquanto a IFD com
NE (0,8 μM de FS, em ambas as proporções) foi mais eficaz, levando a uma
redução de ca. 75%. Portanto, a associação AgNPs-ZnP-etil apresentou
potencial para aprimorar a eficiência da IFD de N. glabrata, estimulando mais
estudos.

Complicações pulmonares podem ocorrer desde o nascimento, aumentando o risco de
morbidades, com consequente diminuição da qualidade de vida. A fisioterapia dispõe de
dispositivos que atuam na reabilitação respiratória revertendo ou amenizando essas possíveis
disfunções, como o inspirômetro de incentivo. Este projeto tem como o objetivo investigar
formas de permitir o acompanhamento de evolução para quantificar a melhora da função
pulmonar com uso do inspirômetro de incentivo pediátrico. Foi realizada uma pesquisa
transversal e analítica, utilizando os métodos descritivo, exploratório e qualitativo,
desenvolvido por meio dos processos de imersão, ideação e prototipação do design thinking,
método comumente utilizado para encontrar soluções inovadoras para problemas. Esse projeto
foi dividido em dois ciclos, o primeiro permitiu identificar que a maior dificuldade enfrentada
pelos profissionais participantes é a escassez de critérios objetivos para mensurar a evolução
clínica dos pacientes em conjunto com a construção de um protótipo inicial que pudesse gerar
dados para agregar nas condutas dos fisioterapeutas. Antes de prosseguir com o próximo ciclo,
foram testadas as funcionalidades terapêuticas presentes no primeiro protótipo. No segundo
ciclo, visando validar o protótipo, foram realizados aprimoramentos no protótipo e aplicados
questionários do SUS e um adaptado. A ferramenta apresentou uma excelente usabilidade,
sendo aprovada pelos usuários que a utilizaram.

O trabalho aborda o desenvolvimento de um circuito inovador para medição de glicose, com potencial de integração em uma plataforma de monitoramento remoto via web. O sistema é baseado no microcontrolador ESP8266 e utiliza um potenciostato controlado por um conversor Digital/Analógico (DAC) de 8 bits, alimentado por uma fonte simétrica de ± 1,8 V, com medição digitalizada por um conversor Analógico/Digital (ADC) de 12 bits. Esse circuito recolhe os dados das medições e os envia para uma plataforma web por meio do protocolo MQTT, permitindo que os dados sejam visualizados remotamente em tempo real ou como histórico. A precisão do sistema foi validada com o uso de um glicosímetro comercial, que revelou variações de glicose entre 57 e 562 mg/dL, com um desvio padrão médio de 6%. O circuito apresentou boa linearidade para concentrações de glicose entre 57 e 523 mg/dL, com um coeficiente de determinação (R²) de 0,998, embora o equipamento utilizado tenha limitações para medir concentrações superiores a 600 mg/dL. A conexão do sistema com um servidor remoto foi validada via Wi-Fi, permitindo o controle e a visualização das medições de forma remota. Embora o circuito ainda não tenha sido testado em smartphones, sua implementação futura em dispositivos móveis está planejada, assim como a adição de uma função para calcular automaticamente a concentração de glicose a partir da tensão medida. Além disso, o projeto pretende expandir o sistema para medição de outras patologias, potencializando sua aplicação em diagnósticos médicos e reduzindo o custo e o tempo de processamento das análises. A pesquisa demonstrou resultados promissores, com elevada reprodutibilidade e linearidade nas medições de glicose, indicando que ajustes no firmware e nos eletrodos podem ampliar ainda mais sua capacidade de detecção. Portanto, o sistema desenvolvido é viável para uso clínico, com expectativas de expansão para outras áreas da saúde, consolidando uma solução flexível e eficiente para o monitoramento remoto de parâmetros biomédicos.

A estimulação transcraniana por corrente contínua (tDCS) é uma técnica de
estimulação cerebral não invasiva que pode auxiliar na modulação da excitabilidade
cortical. Cada vez mais tem-se combinado esse equipamento com o de eletroencefalografia
(EEG), com o objetivo de avaliar a técnica. No entanto, os estudos da tDCS combinado ao
EEG poderiam ser classificados ainda como de caráter exploratório. Existe pouca
convergência dos dados, com aplicações e estudos com populações e desfechos clínicos
distintos, havendo, portanto, a necessidade de mais pesquisas. Sendo assim, a facilidade de
acesso aos aparelhos médicos com a tecnologia necessária para tal, seria um meio de
impulsionar trabalhos nesta área. O presente trabalho propõe o desenvolvimento de código
e hardware abertos (open-source) a fim de facilitar o acesso aos estimuladores que
empregam a tDCS associada à EEG em ensaios clínicos. Foram projetados e montados
hardwares e programados firmwares e front-ends das interfaces de controle da tDCS e
aquisição de sinais de EEG. Além disso, foi modelado e impresso em 3D os suportes de
eletrodos e a CASE do protótipo. Foram selecionados dois indivíduos de sexo oposto para
avaliação da reatividade alfa com o EEG e dos níveis de conforto e efeitos adversos do
protótipo com a estimulação tDCS. O protótipo denominado OpentDCS possui 16 canais
de EEG e 5 híbridos (tDCS+EEG). O seu custo de produção foi de R$2.725,02. Os frontends das interfaces (mobile e desktop) incorporam funcionalidades levantadas como
importantes por pesquisadores na área de neuromodulação e para ensaios clínicos. O teste
em humanos apontou para a capacidade do OpentDCS em realizar a leitura de sinais de
EEG e identificar padrões esperados para a reatividade alfa diante dos estados de olho
aberto e fechado. Com relação ao tDCS, a amostra relatou níveis muito confortáveis de
estimulação, marcando 9 de 10 na escala adaptada para avaliar conforto, com ausência de
formigamento ou coceira. Espera-se que este trabalho adicione agilidade de inovação,
padronização e robustez na produção de estimuladores tDCS associados a EEG para uso
em estudos de validação clínica a partir de uma perspectiva de desenvolvimento aberto e
colaborativo.

O presente estudo teve como objetivo sintetizar as evidências cientificas
sobre tecnologias adotadas no Microlearning no campo da saúde, e como
objetivos específicos: caracterizar os estudos identificados, identificar
perspectivas conceituais do Microlearning e sistematizar as características do
design instrucional nos estudos identificados. Trata-se de uma revisão de
escopo, que adotou como referencial teórico a abordagem proposta pelo
Instituto Joanna Briggs- JBI para revisões de escopo. As buscas foram
realizadas em quatorze bases de dados indexadas: CINAHL Complete, Scielo,
Cureus, Cochrane, PubMed, Scopus, IEEE, BVS, Web of Science, MEDLINE,
Lilacs, no Catálogo de Teses e Dissertações da Coordenação de
Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e na Biblioteca Digital
Brasileira de Teses e Dissertações (BDTD), no Networked Digital Library of
Theses and Dissertations (NDLTD), com intervalo de busca amplo, desde o
início da publicação das bases até julho de 2021, com objetivo de recuperar o
maior número de estudos, permitindo mapear a literatura e conhecer
evidências sobre o tema. As pesquisas nas bases de dados identificaram um
total de 424 documentos, destes, foram excluídos 166 por estarem duplicados.
Assim, foram selecionados para leitura do título e resumo 258 estudos e,
posteriormente, 222 foram excluídos, por não cumprirem os critérios de
inclusão. Por fim, 36 foram lidos na íntegra e, destes, 6 foram excluídos pelos
seguintes motivos: artigos não disponibilizados na íntegra nas bases de dados
(1/6), artigos de revisão (3/6) e artigos de opinião (2/5). Ao final, obteve-se o
total de 30 estudos incluídos nesta revisão. A extração e sintetização dos
elementos essenciais encontrados em cada publicação foram realizadas, a
partir de um instrumento estruturado, elaborado para este estudo, e utilizou-se
a ferramenta Google planilha Excel 1 para a tabulação dos dados. Quanto aos
resultados, os seguintes dados foram analisados: 1) ano de publicação, 2)
distribuição dos estudos segundo localização geopolítica, 3) nível de
evidências, 4) periódicos que apresentam estudos sobre o Microlearning, 5)
áreas dos periódicos, 6) características dos participantes, 7) TDICS utilizada 8)
local; 9) foco das intervenções 10) descrição das intervenções 11) principais
conclusões 12) perspectivas conceituais de Microlearning nos estudos
identificados e 13) características do design instrucional nos estudos
identificados, 14) nível de evidência e o grau de recomendação dos estudos.
Além disso, emergiram duas duas categorias de análise: Microlearning no
cuidado em saúde e na formação no campo da saúde, sendo possível
identificar as modalidades de Microlearning utilizada, conceito, tipo de
intervenção, tecnologias utilizadas, principais resultados. Observa-se a partir

dos resultados que as TDICs estão sendo amplamente utilizadas na produção
de processos pedagógicos no campo da saúde, e estão voltadas
principalmente para o ensino, com a finalidade de potencializar aprendizagem.
Vale ressaltar que as tecnologias mais utilizadas nos estudos foram as
plataformas web, aplicativos mobile e vídeos, o que indica uma crescente
informatização global e uma transição para utilização de ferramentas digitais,
tanto na formação de recursos humanos na saúde, como também nos
processos de educação em saúde que visam a promoção da autonomia,
cuidado e autocuidado em saúde. Além disso, constata-se nos estudos
analisados que o consumo de tecnologias audiovisual - vídeos curtos –
contendo conteúdo sistematizado e explicativos, encontra-se em alta no
mundo. Essas questões devem ser consideradas pelas instituições de ensino,
equipes de conteudistas, web designer e pesquisadores da área, pois,
fornecem informações importantes que podem colaborar e instrumentalizar o
planejamento de processo pedagógicos sobre a aplicação do Microlearning por
serem tendencia e estarem sendo amplamente utilizadas pela população.

A Terapia fotodinâmica (TFD) é uma técnica capaz de promover a apoptose e/ou necrose de diferentes estruturas-alvo, a partir da  combinação sinérgica de oxigênio molecular, luz e um agente fotossensibilizador (FTS). O procedimento destaca-se por apresentar elevada inespecificidade, podendo ser aplicada na fotoinativação de células tumorais, eliminação de vírus, descontaminação de materiais, tratamento de infecções, além de ser uma alternativa emergente para contornar o problema da resistência antimicrobiana. Atualmente, os FTS utilizados na clínica médica ainda apresentam algumas desvantagens como: efeitos colaterais, alto custo, lenta eliminação pelo organismo e baixa seletividade. Como alternativa, o presente trabalho propôs o uso de pigmentos naturais como FTS a serem aplicados na Terapia Fotodinâmica Antimicrobiana. O uso de princípios bioativos vegetais na TFD ainda é pouco explorado quando comparado a diversidade de compostos fotobioativos existentes na natureza, sendo uma alternativa promissora e acessível. Neste sentido, foi realizada a análise da viabilidade da utilização de pigmentos vegetais como agentes fotossensibilizadores sobre microrganismos patogênicos, bem como, a caracterização da composição das formulações por meio de técnicas cromatográficas, espectrofotométricas e espectroscópicas. Foi verificado que todas as formulações apresentaram metabólitos secundários em sua composição, com características físico químicas, como pH e picos de absorção, considerados ideais para aplicação como fotossensibilizadores na clínica médica, além de vantagens como acessibilidade, baixo custo para obtenção e extração.

A prevenção e o controle das arboviroses, especialmente da dengue, da febre chikungunya e da zika, no caso do Brasil, têm sido um grande desafio de saúde pública para muitos países, especialmente a partir de 2015, uma vez que outras arboviroses passaram a interagir com o vírus da dengue. A situação se agravou a partir de 2016, com o surgimento do zika vírus e de sua ação sobre a gravidez, estando relacionado em um certo grau com casos de microcefalia mas, principalmente, com a síndrome de Guillain-Barret, uma doença autoimune que afeta o sistema nervoso, provocando desde fraqueza muscular até a paralisia. Em dezembro de 2019 começou, na cidade de Wuhan, na China, a epidemia de Covid-19, provocada pelo coronavírus SARS-CoV-2. Rapidamente o vírus se espalhou pelo mundo, dando origem à pandemia de Covid-19, o maior problema de saúde do século XXI até o momento. No seu começo considerada como uma doença do trato respiratório, como as penumonias virais, a Covid-19 se mostrou uma doença do sistema cardiovascular que afeta não somente os pulmões, mas também os rins e o sistema nervoso, podendo causar sequelas que podem ser permanentes. A letalidade da doença é relativamente baixa, mas como o contágio é rápido, principalmente por conta das variantes, o baixo percentual de casos graves acaba resultando em milhões de mortes. O avanço da Epidemiologia Digital e das tecnologias de geoprocessamento, aliados ao desenvolvimento das técnicas de Mineração de Dados e Aprendizado de Máquina, têm proporcionado o rápido acompanhamento, controle e simulação da disseminação de doenças, auxiliando os sistemas públicos de saúde no controle de epidemias e dos fatores ambientais e comportamentais que favorecem os vetores dessas doenças. Neste trabalho temos como objetivo investigar modelos baseados em aprendizado de máquina para predição da distribuição espacial e temporal de casos de arboviroses e de Covid-19, buscando lançar as bases para a construção de sistemas de predição espaço-temporal para fins epidemiológicos. Neste trabalho, utilizamos a base de dados de casos e locais de arboviroses LIRAa, do Sistema Único de Saúde da Cidade do Recife, de 2016 a 2019, para a predição de arborivores; para a predição de Covid-19, utilizamos as bases de dados do Sistema Nacional de Notificações fornecidas pelas secretarias estaduais de saúde.

A presente dissertação descreve um filme eletrocatalítico constituído por monocamadas auto-organizadas funcionalizadas com ferroceno (Fc). A síntese foi realizada pela quimiossorção de 2-aminoetanotiol (CYS – do inglês cisteamine) em meio etanólico, seguido por ligação do o-Fenilenodiamina (OPD) via presença de um dicarboxílico (AOX). A funcionalização do filme com Fc procedeu-se por dropcasting após OPD. A atividade eletrocatalítica do filme de Fc foi confirmada à interface eletrodo-eletrólito, em presença de eletrólito suporte (0,1 M KCl), com a eletro-oxidação do Fc a um potencial redox de 0,15 V e 0,33 V para os picos de redução e oxidação, respectivamente. Como prova de conceito, o filme eletrocatalítico foi montado sob a configuração de um Transistor de Efeito de Campo (FET), e foi possível detectar a presença de albumina bovina com alteração da corrente de Dreno. As etapas de montagem do filme foram caracterizadas eletroquimicamente, por técnica de voltametria cíclica; e estruturalmente, por análise de Infravermelho por transformada de Fourier no modo ATR. Os potenciais de oxido-redução do filme ferroceno funcionalizado mostram viabilidade para aplicação em biossensores, visto que os potenciais de eletrooxidação encontram-se em faixa que não prejudica a atividade biológica. O desenvolvimento desse filme eletrocatalítico tem potencial aplicação em imunossensores, coma vantagem de dispensar a utilização de sondas redox ou de anticorpos marcados, permitindo uma rápida e simples detecção de interações biomoleculares.

Diversos micro-organismos são responsáveis por doenças infecciosas que acometem seres humanos ou outros animais, as quais podem ser graves e levar a óbitos. Sendo assim, a correta identificação destes patógenos é necessária para o diagnóstico adequado, bem como para definição do tratamento correto. Usualmente, os métodos tradicionais para identificação de micro-organismos envolvem testes fenotípicos, uma série de ensaios de bioquímicos ou sequenciamento genético, os quais são efetivos porém demandam tempo e suprimentos. Nos esforços para desenvolver técnicas diagnósticas físico-químicas sensíveis, eficazes e com menores custos, a espectroscopia vibracional no infravermelho vem mostrando-se como ferramenta ideal para análises de células microbianas, pois é capaz de reconhecer padrões vibracionais específicos e fornecer informações moleculares sobre amostras biológicas. Neste sentido, o presente trabalho tem como objetivo promover a caracterização de micro-organismos utilizando espectroscopia vibracional no infravermelho com transforma de Fouerier (FT- IR) a partir da inativação térmica por calor seco a 105°C. Para tal, foi utilizado o micro-organismo padrão Saccharomyces cerevisiae extraído e cultivado a partir do fermento comercial Fleischmann ®. As colônias cultivadas foram coletadas e transferidas para placas de Petri (60x15mm), tiveram sua biomassa aferida e direcionadas a uma estufa de secagem, onde permaneceram a 105°C por intervalos de tempo e, por fim, foram novamente pesadas. Seguinte ao processo de secagem, foi realizada a análise da inativação a fim de averiguar se os micro-organismos foram devidamente inativados. As amostras secas foram trituradas e levadas para leitura em um espectrofotômetro Cary 630 Agilent FTIR com módulo ATR acoplado para obtenção do perfil espectral. Tal perfil foi comparado com o obtido a partir da inativação utilizando paraformaldeído 4% por meio de Análises de Componentes Principais (PCA), Análise Hierárquica de Cluster (HCA) e Freeviz. Deste modo, concluiu-se que os tratamentos de inativação e secagem aumentam a biossegurança do operador e melhoram a sensibilidade da análise por FTIR. A técnica também contribuiu para a distinção de diferentes métodos de processamento de amostras.

Análise de movimento é uma área com diversas aplicações para saúde, esporte e entretenimento. No campo da saúde, a análise de movimento é um parâmetro básico e essencial para o acompanhamento e evolução de pacientes em reabilitação, entretanto, o alto custo dos equipamentos de ponta inviabiliza a aplicação dessa técnica na rotina das clínicas. Nesse viés, equipamentos RGB-D e RGB, os quais apresentam ferramentas de rastreamento de articulações, estão sendo testados com soluções portáteis e de baixo custo com o intuito de viabilizar a análise de movimento computacional. O recente lançamento do Google MediaPipe, uma técnica de rastreamento de inferência de articulações com câmeras RGB convencionais, pode ser considerado um marco devido à capacidade de estimar coordenadas de profundidade em imagens planares. Diante disso, este trabalho visa avaliar a medição de variação angular mensurada a partir de dados de sensores RGB-D e RGB em frente ao padrão ouro Qualisys Tracking Manager. Um total de 60 gravações foram realizadas para cada movimento de membros superiores e inferiores a partir de 6 voluntários realizando movimentos biomecânicos puros em duas configurações de posição diferentes em relação aos sensores resultando em 600 movimentos angulares das articulações. A utilização do Google MediaPipe obteve resultados próximos em comparação ao sensor Kinect V2 nos aspectos inerentes ao erro absoluto, RMS e correlação ao padrão ouro, apresentando valores de dispersão e métricas de erro menores, ou seja, mais positivo, apresentando apenas a correlação mais baixa que o Kinect V2. No comparativo com equipamentos comumente utilizados em avaliações físicas, o MediaPipe teve um erro dentro da escala de erro de goniômetros de braços curtos e longos. Por se tratar de uma técnica que usa apenas uma câmera RGB convencional, os resultados apontam uma possível alternativa mais acessível para avaliação biomecânica. Nessa visão foi desenvolvida uma aplicação que utilizava o MediaPipe para simular a captura de dados do Kinect V2 em aplicações já desenvolvidas.

Polímeros biomiméticos e responsíveis são tecnologias emergentes e que
devem alavancar o desenvolvimento de diversas áreas entre elas a da Engenharia
Biomédica. Entre estas tecnologias os Polímeros Eletroativos (EAPs) chamam a
atenção pois mimetizam músculos artificiais na medida em que o polímero passa ao
papel de atuador após um estímulo elétrico. Entre os EAPs disponíveis, os EAPs
iônicos se destacam, pois, além da capacidade eletromecânica, apresentam ainda
grande deformação na presença de uma baixa tensão elétrica e baixa impedância.
Eletricamente, possuem o comportamento de um circuito Capacitivo-Resistivo. O
objetivo deste trabalho foi elaborar um dispositivo a partir de uma blenda polimérica
biomimética eletrolítica, utilizando para tanto, polímeros naturais, que associada a
eletrodos, produzisse um atuador que permita a reversibilidade do movimento
obtido. Este projeto foi executado em 09 etapas, a partir da construção de um
dispositivo padrão (DP). Para tanto, foram elaborados 8 novos dispositivos EAP
iônico (D1, D2, D3, D4, D5, D6, D7 e D8), que diferenciaram entre si pelos eletrodos
e eletrólitos utilizados. Estes Dispositivos foram avaliados em ensaios para detecção
da passagem da corrente elétrica (sendo este teste eliminatório para os eletrodos
produzidos) e testes de movimentação dos dispositivos. As Blendas Poliméricas
utilizaram Polímeros Sintéticos (Polianilina e Poliestireno sulfonato), metais (folhas
de ouro 18K), líquidos iônicos (lactato de colina), sais (NaCl) e formas alotrópicas
condutoras de Carbono como Carvão, Grafite e Grafeno. As Blendas básicas
sintetizadas foram a base de Agarose, um polímero natural biomimético, sendo esta
aplicada em formulações de eletrodos e eletrólitos sólidos. As blendas de Agarose
com PANI (eletrodo) e Agarose com PSS (eletrólito sólido), enquadram-se na
categoria dos polímeros responsíveis, e podem ser utilizadas para produção de um
dispositivo eletroativo (EAP). O melhor desempenho observado nos experimentos foi
o que ocorreu nesta última Blenda de Agarose com PSS (Eletrólito sólido),
utilizando-se como eletrodos, folhas de ouro 18K, obteram-se movimentos repetidos
através da exposição a uma corrente elétrica.

A Paralisia Facial Periférica (PFP) tem por consequência principal a paralisia e perda da expressão da face ou parte dela. A reabilitação dos pacientes acometidos por PFP vai depender do protocolo de tratamento e quais técnicas serão utilizadas durante o processo de reestabelecimento das funções. Frente a isso, é fundamental ter uma abordagem bem elaborada, assim como estratégias que tragam motivação ao paciente para facilitar a adesão as sessões. A eletromiografia de superfície (EMGs) tem sido utilizada para auxiliar no diagnóstico e o tratamento das alterações miofuncionais, juntamente com outras tecnologias, assim como a Realidade Aumentada (RA), capaz de enriquecer o ambiente físico com objetos sintetizados computacionalmente, permitindo a existência simultânea de objetos reais e virtuais. Dessa forma a combinação da estação dos dados da eletromiografia juntamente com a visão computacional busca viabilizar um feedback positivo para o esforço do paciente.  A pesquisa teve como objetivo desenvolver um protótipo baseado em tecnicas de realidade aumentada e biofeedback por eletromiografia para auxiliar na reabilitação de pacientes acometidos por PFP. Trata-se de um estudo de desenvolvimento tecnológico, seguido de testes de funcionamento, realizado com indivíduos de ambos sexos e com idade entre 25 e 68 anos. O teste de funcionamento apresenta uma amostra por conveniência. A pesquisa foi dividida em quatro etapas, sendo a primeira a realização de um estudo piloto para caracterizar as faixas de frequência para os filtros de eletromiografia. Na segunda, foi realizada a montagem do instrumento. Na terceira, realizou-se o teste do instrumento para verificar sua viabilidade de aplicação. A etapa final foi dedicada à análise dos resultados. A pesquisa resultou em um instrumento composto por hardware, software e firmware que se comunicam com um computador via protocolo bluetooth. Após os testes do instrumento e análises, concluiu-se que o instrumento teve grau de satisfação positivo, sugerindo boa usabilidade.