A mastectomia radical, também conhecida como mastectomia de Halsted, é um procedimento cirúrgico caracterizado pela remoção completa da glândula mamária, dos músculos peitorais maior e menor, bem como dos linfonodos axilares. Este método foi por muito tempo considerado o padrão-ouro no tratamento do câncer de mama invasivo, sobretudo em casos localmente avançados. Atualmente, seu uso é restrito a situações específicas, como tumores extensos com invasão da musculatura peitoral ou recidivas locais não controladas por outras abordagens. Embora seja eficaz na erradicação tumoral local, a mastectomia radical está associada a importantes repercussões funcionais, como limitação da mobilidade do ombro, dor, linfedema e alterações posturais, além de impacto psicossocial significativo. Por isso, a intervenção precoce da fisioterapia no pós-operatório é fundamental para a recuperação funcional e para a melhoria da qualidade de vida da paciente. O câncer é uma doença que possui como principal característica a multiplicação descontrolada de células anormais, que podem invadir tecidos vizinhos e se espalhar para outras partes do corpo. No caso do câncer de mama, a mastectomia continua sendo um dos principais tratamentos cirúrgicos, podendo gerar impactos físicos, emocionais e sociais significativos nos pacientes. Entre as complicações mais comuns estão dor crônica, limitação de movimentos, linfedema e alterações na autoestima e imagem corporal, exigindo uma abordagem de reabilitação integral e humanizada. A fisioterapia desempenha um papel central nesse processo, promovendo a recuperação funcional do membro superior e prevenindo sequelas motoras. Quando aliada ao suporte emocional e a uma atuação multiprofissional, contribui para a reintegração das pacientes à rotina e à melhora da qualidade de vida. Recentemente, a inteligência artificial tem sido incorporada à saúde como uma ferramenta promissora para apoiar diagnósticos, personalizar tratamentos e otimizar decisões clínicas. No contexto da fisioterapia oncológica, a IA pode identificar padrões de sofrimento funcional e emocional, muitas vezes imperceptíveis nas avaliações tradicionais, favorecendo intervenções mais direcionadas e individualizadas. A integração entre o cuidado fisioterapêutico e as tecnologias de IA representa uma nova perspectiva de reabilitação pós- mastectomia, unindo precisão analítica e sensibilidade humana no processo de cuidado.

A recuperação da função motora da mão constitui um dos principais desafios na reabilitação pós-Acidente Vascular Encefálico (AVE), especialmente frente a necessidade de estratégias que aumentem a adesão ao tratamento e permitam abordagens inovadoras, como a reabilitação gamificada. Nesse contexto, a Eletromiografia de Superfície de Alta Densidade (HD-sEMG) destaca-se por fornecer informações detalhadas da atividade muscular, permitindo a aplicação de técnicas de aprendizado de máquina para reconhecimento de padrões motores complexos e suporte a sistemas interativos de reabilitação. Entretanto, sua alta dimensionalidade impõe desafios ao processamento e à extração de características. Este trabalho propõe uma abordagem híbrida que converte sinais de HD-sEMG em imagens 2D (mapas de calor) e utiliza aprendizado profundo combinado com algoritmos clássicos de árvores de decisão para classificação de gestos manuais. Para tanto, utilizou-se a base de dados pública Hyser, da qual foram selecionados 10 gestos funcionalmente relevantes para reabilitação. Os sinais brutos foram convertidos em mapas de calor representativos dos padrões espaciais de ativação muscular, dos quais as características foram extraídas por uma LeNet pré-treinada. A base foi dividida em conjuntos de treino (80%) e teste (20%) e avaliada com classificadores baseados em árvores (J48, Random Tree e Random Forest com 100, 200, 300, 400 e 500 árvores), utilizando métricas de desempenho e análise estatística. Os resultados indicaram desempenho superior dos modelos Random Forest, que alcançaram acurácia média superior a 91,7% e AUC acima de 0,994, com baixa variabilidade. Considerando o equilíbrio entre desempenho e custo computacional, o modelo Random Forest com 200 árvores foi selecionado para validação final. No conjunto de teste, este modelo apresentou acurácia de 78,87%, Kappa de 0,765 e AUC média de 0,962, observando-se maior confusão entre gestos antagônicos com padrões musculares semelhantes. Os resultados validam a viabilidade da abordagem proposta para aplicações em sistemas de reabilitação motora assistida por tecnologia.

A Engenharia Clínica ocupa posição estratégica na gestão do ciclo de vida dos equipamentos médico-hospitalares, influenciando diretamente a qualidade assistencial, a segurança do paciente e a sustentabilidade econômico-financeira das instituições de saúde. Apesar da consolidação da Avaliação de Tecnologias em Saúde (ATS) como instrumento de apoio à incorporação tecnológica, observa-se que sua aplicação ainda privilegia medicamentos e procedimentos, conferindo menor centralidade à análise sistemática do desempenho operacional dos equipamentos ao longo de seu uso real. Diante dessa lacuna, esta dissertação avaliou a viabilidade da utilização de dados históricos provenientes de Sistemas de Gestão da Manutenção Computadorizada (CMMS), associados a técnicas de Inteligência Artificial, como instrumento estruturado de apoio à decisão. Metodologicamente, desenvolveu-se um estudo de caso fundamentado em um Framework de Mineração de Dados e Classificação Assistida por Large Language Models (LLM), integrando auditoria de dados, modelagem preditiva e validação estatística por meio de métricas de desempenho, incluindo Acurácia, F1-Score e RMSE, associadas à interpretação por conhecimento especialista. Os resultados demonstraram consistência estatística na classificação dos tempos de indisponibilidade e evidenciaram que a disponibilidade operacional constitui métrica estratégica influenciada por variáveis intrínsecas, como fabricante e modelo. A estratificação preditiva dos níveis de indisponibilidade permitiu subsidiar decisões de substituição tecnológica (CAPEX), planejamento de capacidade e gestão de riscos assistenciais. Conclui-se que a abordagem integrada CMMS–IA configura metodologia viável, replicável e estrategicamente relevante, ampliando o escopo da ATS ao incorporar indicadores operacionais derivados do ciclo de vida real das tecnologias, fortalecendo a governança tecnológica hospitalar e promovendo maior racionalidade, transparência e alinhamento entre desempenho tecnológico e sustentabilidade assistencial.

A esporotricose é uma micose subcutânea causada pelo fungo do complex Sporothrix schenckii, no qual consolidou-se como uma epidemia zoonótica no Brasil, em que o gato doméstico atua como o principal transmissor para populações humanas. Esta micose é causada por fungo, que se apresentam na forma mycelial em temperatura ambiente (25-30°C) e como levedura à temperatura corpórea (37°C). A doença pode acometer qualquer indivíduo, independentemente de sexo, idade ou etnia, sendo prevalente em regiões de clima temperado e tropical úmido. Nessa perspectiva, o objetivo desse estudo é investigar o desenvolvimento de um dashboard interativo para visualização, mapeamento e análise espacial dos dados epidemiológicos de esporotricose em Pernambuco. Este estudo se caracteriza como uma pesquisa de natureza descritiva, retrospectiva, de série temporal e com abordagem de base territorial (ecológico) sobre a Esporotricose Humana em Pernambuco. Os dados secundários foram obtidos a partir de fichas de notificação individual extraídas do banco estadual do Sistema de Informação de Agravos de Notificação (SINAN), acessadas via Protocolo de Transferência de Arquivos (FTP) da Secretaria Estadual de Saúde (SES/PE). Para a construção do perfil epidemiológico e análise espacial, as variáveis foram organizadas nas dimensões espaço-temporal, sociodemográfica e clínico-epidemiológica. Os dados foram processados no software QGIS para a criação de mapas coropléticos e aplicação da Estimativa de Densidade de Kernel para identificação de hotspots. Na etapa final, as métricas foram integradas ao Google Looker Studio para o desenvolvimento de um dashboard interativo, estruturado com mapas dinâmicos e indicadores de saúde para otimizar o monitoramento epidemiológico. Por fim, os resultados da pesquisa apontaram que nos dados secundários do SINAN/PE, a pesquisa analisou 2.919 notificações, das quais 1.893 foram confirmadas. Os resultados demonstram um aumento expressivo e contínuo da incidência, que saltou de 0,09 casos por 100.000 habitantes em 2016 para 4,79 em 2024, evidenciando a persistência do agravo como um problema crítico de saúde pública. O perfil epidemiológico revelou uma predominância do sexo feminino (64,5%), indivíduos pardos (58,4%) e pessoas na faixa etária de 40 a 49 anos, sugerindo que a vulnerabilidade está intrinsecamente ligada ao cuidado domiciliar de felinos. Na análise espacial identificou uma alta concentração na Região Metropolitana do Recife, mas também confirmou um processo de interiorização da doença em direção à Zona da Mata e ao Agreste, com municípios como Camutanga e Ferreiros registrando as maiores taxas de incidência do estado. Identificou-se, ainda, uma dependência estrutural do diagnóstico clínico- epidemiológico (57,7%) e gargalos assistenciais significativos, como a centralização laboratorial e um índice de 24,7% de casos com evolução final ignorada, indicando falhas no acompanhamento terapêutico. O dashboard interativo desenvolvido integrou dados cartográficos e indicadores demográficos, demonstrando ser uma tecnologia eficaz para superar a fragmentação da vigilância atual e permitir intervenções geográficas direcionadas. Destacando a necessidade urgente de descentralização do diagnóstico, capacitação profissional e implementação de estratégias de controle e o planejamento de políticas baseadas na perspectiva de Saúde Única para mitigar a transmissibilidade e a negligência institucional da esporotricose em Pernambuco.

--- Resumo ---

Introdução: O Vírus Sincicial Respiratório (VSR) é uma das principais causas de infecções respiratórias agudas e hospitalizações em crianças menores de cinco anos em todo o mundo, afetando desproporcionalmente populações em situação de vulnerabilidade social. No Brasil, dados do OpenDataSUS indicam aumento de 36% nas hospitalizações por VSR em bebês em 2025, enquanto o Ministério da Saúde, expõe que o vírus é responsável por 80% dos casos de bronquiolite. Objetivo: Mapear e analisar os Recursos Educacionais Abertos (REA) utilizados como método de educação em saúde sobre o VSR voltados para crianças vulneráveis. Metodologia: Revisão de escopo conduzida conforme recomendações do Joanna Briggs Institute (JBI) e diretrizes PRISMA-ScR. As buscas foram realizadas nas bases WOS, PubMed, Scopus, EBSCO, SciELO e LILACS (janeiro/2023 a fevereiro/2026), utilizando os descritores "respiratory syncytial virus" AND "health education". Foram incluídos artigos originais em inglês relacionados com REA sobre VSR no contexto infantil. Resultados e Discussão: Após a triagem, 94 artigos foram recuperados e cinco atenderam aos critérios de inclusão. Observou-se concentração de estudos nos EUA (80%), com predomínio de estratégias educacionais voltadas a profissionais de saúde, como alertas eletrônicos (Jones et al., 2024; Hijano et al., 2025), salas de fuga interprofissionais (Scardina et al., 2025) e textos informativos (Nicolaus, 2026). Apenas um estudo brasileiro foi incluído (Nunes et al., 2025), que analisou vídeos no TikTok®. As buscas nas bases SciELO e LILACS resultaram em quantidade insatisfatória de artigos, sugerindo lacuna na produção latino-americana. Com base nessas evidências, foi desenvolvida uma proposta de curso online gratuito intitulado "Prevenção do VSR na Primeira Infância", com 20 horas, cinco módulos, metodologias ativas e recursos multimídia acessíveis. Considerações Finais: A revisão evidenciou escassez de REA sobre VSR direcionados a cuidadores de crianças vulneráveis, especialmente no Brasil. A proposta de curso alinha-se aos princípios da ciência aberta e aos Objetivos de Desenvolvimento Sustentável (ODS) 3, 4 e 10, contribuindo para a democratização do acesso à informação em saúde e para a redução das desigualdades no cuidado à infância.

Resumo da dissertação

Tema e objetivo. A dissertação de Rosemary Farias Tenório (PPG em Engenharia Biomédica, UFPE, 2026) é uma revisão sistemática rápida que sintetiza as evidências sobre o desempenho de classificação de abordagens baseadas em geometria riemanniana, comparadas a métodos tradicionais de aprendizado de máquina, na decodificação de paradigmas de imagética motora (MI) em interfaces cérebro-computador (BCIs) que utilizam EEG não invasivo.

Fundamentação. A introdução contextualiza as limitações do EEG (baixa resolução espacial por condução de volume, sensibilidade a artefatos, não estacionariedade e elevada variabilidade inter- e intrassujeito) e dos pipelines tradicionais — filtragem espacial (CSP, FBCSP) combinada a classificadores lineares (LDA, SVM). O argumento central é que as matrizes de covariância do EEG pertencem ao espaço de matrizes simétricas positivas definidas (SPD), cuja estrutura é não euclidiana; tratá-las pela geometria euclidiana convencional é matematicamente inadequado. A geometria riemanniana, operando diretamente no manifold SPD sob a métrica afim-invariante (AIRM), oferece robustez à variabilidade do sinal — particularmente à condução de volume e às diferenças anatômicas entre sujeitos. São apresentadas as três famílias principais: MDM/MDRM, FgMDM e Tangent Space Mapping (TSM).

Métodos. Adotou-se o formato rapid review (Cochrane Rapid Reviews Methods Group), com relato conforme PRISMA-P 2015. O componente "P" do PICO foi adaptado de "População" para "Sinal/Dados". As buscas (10/02/2026) cobriram IEEE Xplore, Scopus e PubMed/MEDLINE. O traço metodológico distintivo é a "Regra Dura do Comparador": exigência de que pelo menos um método tradicional fosse implementado pelos próprios autores no mesmo experimento, dataset e cenário de validação, descartando comparações cross-paper. A seleção foi conduzida por revisor único, mitigada por dupla triagem temporal independente. Desfecho primário: acurácia de classificação (%).

Resultados. De 169 registros únicos, 11 estudos (2010–2025, concentrados em 2019–2025; China n=6, França n=2) foram incluídos, gerando 27 pares de comparação (25 elegíveis, 24 com dados completos). O BCI Competition IV-2a foi o dataset predominante. Em 21 dos 24 pares (87,5%) as abordagens riemannianas superaram os métodos tradicionais, com delta mediano de +8,82 p.p. (amplitude de −3,60 a +24,00 p.p.). O TSM apresentou o melhor desempenho médio (mediana +10,9 p.p.; 100% de pares positivos), enquanto o MDM/MDRM puro foi heterogêneo (≈57% positivos, concentrando os três deltas negativos). Os ganhos mais expressivos ocorreram em cenários cross-subject (deltas > +16 p.p.), reforçando a vantagem da invariância afim da AIRM na generalização entre sujeitos. O FgMDM esteve completamente ausente como método principal.

Qualidade metodológica. Avaliação por cinco domínios (D1–D5): quatro estudos com risco baixo, quatro moderado e três alto. A limitação estrutural mais grave é a ausência universal de código público (11/11), seguida pelo uso de holdout único, amostras pequenas (mediana de 9 participantes), restrição a tarefas binárias e pela realização de testes estatísticos formais em apenas 3 dos 11 estudos.

Conclusões. A evidência indica desempenho superior ou equivalente das abordagens riemannianas frente aos métodos baseados em CSP, com vantagem mais consistente para o TSM e suas variantes, sobretudo combinadas a transferência de aprendizado/adaptação entre sujeitos. A autora delimita cinco lacunas prioritárias: (1) ausência de avaliação do FgMDM como intervenção principal; (2) déficit de estudos cross-subject/cross-dataset; (3) falta de código aberto; (4) concentração em datasets históricos de pequeno porte; e (5) ausência de avaliação de aprendizado profundo riemanniano (SPDNet, Tensor-CSPNet). Os achados são explicitamente caracterizados como preliminares, dado que 61 registros permaneciam aguardando triagem no momento do corte.

Introdução: Os Cuidados Paliativos (CP) constituem uma abordagem fundamental para melhorar a qualidade de vida de pacientes e familiares que enfrentam doenças ameaçadoras da vida. Contudo, a formação de profissionais de saúde nessa área ainda é insuficiente e fragmentada, sendo necessárias estratégias educacionais inovadoras e efetivas. Objetivo: Investigar a abordagem de CP a partir de Recursos Educacionais (RE) em saúde por meio de uma Scoping Review. Metodologia: Trata-se de uma Scoping Review baseada no protocolo Joanna Briggs Institute (JBI). A busca foi realizada em oito bases de dados (BEDENF, ERIC, LILACS, PEDro, PubMed, SciELO, Science Direct e Scopus), sem restrição de data, incluindo estudos publicados em português, inglês ou espanhol que descrevessem, desenvolvessem, implementassem ou avaliassem RE para o ensino de CP. Foram excluídos artigos de opinião, editoriais, estudos de revisão e aqueles que não detalhavam o recurso educacional. A seleção ocorreu em duas fases (triagem por títulos/resumos e leitura integral) e análise mista (quanti-qualitativa). Resultados: Foram incluídos 53 estudos, majoritariamente publicados a partir de 2020 (n=43), com concentração em países de alta renda. Os RE mais prevalentes foram simulação (27 estudos) e ensino online (20 estudos). A Educação Interprofissional (EIP) esteve presente em 9 estudos, e currículos estruturados também foram identificados como estratégias para o ensino de CP. As populações-alvo incluíram profissionais em exercício (24 estudos), estudantes de graduação (21 estudos) e residentes/pós-graduandos (8 estudos). Identificou-se uma lacuna na inclusão de profissionais de reabilitação. Com base nos achados, foi desenvolvida uma proposta formativa na modalidade Massive Open Online Course (MOOC) sobre Reabilitação Paliativa, direcionada a fisioterapeutas, terapeutas ocupacionais e fonoaudiólogos. Conclusão: A formação em CP tem evoluído para metodologias ativas, com destaque para simulação e ensino online, integrados a currículos estruturados e à EIP. Contudo, persiste a concentração geográfica em países de alta renda e a sub-representação de profissionais de reabilitação, apontando a necessidade de estratégias educacionais mais equitativas e inclusivas, como a proposta formativa apresentada.

ContextoINTRODUÇÃO: O Transtorno do Espectro Autista (TEA) é um distúrbio do neurodesenvolvimento com prevalência crescente, mas cujo diagnóstico ainda enfrenta atrasos significativos, especialmente no contexto do Sistema Único de Saúde (SUS). A idade média para o diagnóstico permanece acima do ideal, e há carência de ferramentas padronizadas e acessíveis para triagem precoce. OBJETIVOS: desenvolver e avaliar um chatbot baseado na integração de duas inteligências artificiais (DeepSeek e Qwen) capaz de identificar possíveis sinais sugestivos de TEA por meio de interações dialógicas orientadas por prompts, gerando relatórios descritivos para auxiliar profissionais de saúde na triagem e no encaminhamento clínico. METODOLOGIA: Pesquisa de desenvolvimento tecnológico e validação de conteúdo. Foram elaborados prompts para direcionar as IAs a atuarem como entrevistadoras clínicas, explorando domínios do TEA conforme DSM-5 (comunicação social, comportamentos repetitivos e aspectos sensoriais). Os materiais foram analisados qualitativamente quanto à coerência clínica, alinhamento com critérios diagnósticos e utilidade para o raciocínio clínico. RESULTADOS: Os instrumentos de triagem produzidos mostraram-se alinhados ao DSM-5 e à CID-11, com fluxos claros de encaminhamento e linguagem adaptada ao SUS. Os casos clínicos gerados abrangeram amplo espectro do TEA, desde perfis com atraso severo de comunicação até perfis de dupla excepcionalidade (altas habilidades e interesses restritos). A DeepSeek produziu relatórios mais estruturados e diagnósticos; a Qwen gerou narrativas mais fenomenológicas e descritivas. A ferramenta demonstrou potencial para padronizar a coleta de dados, reduzir subjetividade e ampliar o acesso à triagem precoce. CONCLUSÃO: É viável empregar grandes modelos de linguagem na construção de assistentes conversacionais para triagem de TEA. A engenharia de prompts e a integração de diferentes IAs produzem ferramentas clinicamente relevantes. Contudo, tais tecnologias não substituem o julgamento clínico, devendo ser usadas como apoio ético, centrado no paciente e culturalmente sensível. Trabalhos futuros devem incluir validação clínica com especialistas e pacientes reais, estudos de usabilidade e adaptação para diferentes realidades socioculturais.

Os polissacarídeos são biomoléculas essenciais com vasta aplicação nos setores alimentício, farmacêutico e biotecnológico devido à sua biocompatibilidade e versatilidade. No entanto, a diversidade de ligações glicosídicas e ramificações impõe desafios complexos à sua caracterização estrutural, especialmente em sistemas multicomponentes onde a espectroscopia de infravermelho (FTIR) convencional enfrenta limitações devido à intensa sobreposição de bandas na região de fingerprint 1150 a 900 cm⁻¹. Este trabalho, então, tem como objetivo caracterizar polissacarídeos puros e misturas binárias por meio de FTIR, avaliando o desempenho de diferentes algoritmos de aprendizado de máquina na classificação espectral automatizada. O estudo buscou validar o uso da inteligência artificial (IA) como ferramenta de controle de qualidade e identificação precisa de componentes em matrizes poliméricas complexa. Realizou-se uma pesquisa experimental e computacional fundamentada na análise de oito polissacarídeos (ágar, agarose, amido, quitosana, pectina cítrica, CMC, B-glucana e alginato), utilizando o hidrogel de celulose bacteriana bruta como matriz base e glicose e sacarose como controles. O protocolo incluiu uma etapa crítica de padronização física das amostras (desidratação por 120 horas, moagem e peneiramento) e a preparação de misturas físicas binárias em proporções de massa equivalentes 1:1. Os dados espectrais obtidos via FTIR-ATR foram processados na plataforma Quasar/Orange, envolvendo um pipeline sequencial de pré-processamento com correção de linha de base, normalização por Standard Normal Variate (SNV) e filtragem por Savitzky-Golay (derivada de ordem zero e janela de 9 pontos), seguido por análise de componentes principais (PCA) e validação cruzada estratificada de seis classificadores: Naive Bayes, Random Forest, Tree, Neural Network, SVM e Logistic Regression. A padronização física das amostras e o tratamento matemático foram eficazes na obtenção de espectros de alta fidelidade, permitindo que as assinaturas espectrais individuais permanecessem recuperáveis mesmo em misturas com alta sobreposição de bandas. Entre os modelos avaliados, a regressão logística apresentou o desempenho superior, atingindo uma acurácia de 91,4% e um F1-score de 0,911, demonstrando ser mais eficiente para mitigar sobreposições espectrais moleculares do que modelos complexos como redes neurais (86,7%) ou SVM (48,1%), os quais sofreram com artefatos de sobreajuste e interações físicas secundárias nas matrizes. A ferramenta freeviz confirmou a separação clara entre carboidratos simples e polímeros complexos.Conlui-se então, que é viável e altamente eficiente integrar a espectroscopia FTIR com algoritmos de inteligência artificial para a caracterização de polissacarídeos heterogêneos. A metodologia proposta oferece um caminho rápido, não invasivo e robusto para o controle de qualidade industrial, superando as limitações da análise manual intuitiva. A regressão logística consolidou-se como a técnica mais fidedigna para a distinção química de materiais com alta similaridade estrutural devido à preservação da linearidade do sinal, validando o fluxo de trabalho quimiométrico para futuras aplicações em sistemas poliméricos industriais.

Testes de toxicidade são relevantes para verificar a segurança de substâncias química ou produto em seres vivos. O principal organismo modelo de teleósteos utilizado é o peixe paulistinha (Danio rerio), contudo, alternativas a este modelo são necessárias devido à infraestrutura demandada por esta espécie, que é relativamente onerosa para laboratórios com disponibilidade limitada de espaço e recursos. Este trabalho propõe alternativas a partir de outros grupos de teleósteos parcialmente domesticados e encontrados em lojas de peixes ornamentais: os percomorfos (Percomorpha). Deste grupo, foram escolhidas para esta análise duas ordens: Anabantiformes e Cyprinodontiformes. O Betta splendens, da ordem Anabantiformes, é extensivamente criado como peixe ornamental no Brasil e pode ser encontrado, em alguns locais, como espécie invasora, apresentando potencial para estudos in vivo devido à sua rusticidade. Neste contexto, foi elaborado e submetido um formulário à Comissão de Ética no Uso de Animais (CEUA) para o estudo de avaliação da toxicidade do tolueno em embriões de B. splendens. No caso dos Cyprinodontiformes, espécies nativas do Brasil foram estudadas, pois potencialmente podem ser empregadas como sentinelas no monitoramento ambiental. A partir deste levantamento, foram elaborados três protocolos de Procedimento Operacional Padrão (POP) para a manutenção e multiplicação das seguintes espécies nativas: Melanorivulus paresi, Stenolebias damascenoi e Kryptolebias marmoratus. Em relação ao gênero africano Nothobranchius, foram realizados dois estudos bibliográficos: o primeiro relacionou este gênero à Agenda 2030 da ONU, e o segundo abordou o uso de Nothobranchius como organismo modelo na ciência. Adicionalmente, foi elaborado um POP para N. guentheri. Este trabalho contempla, também, uma revisão cienciométrica sobre a pesquisa com Killifishes (Cyprinodontiformes), que analisou cerca de 2.600 trabalhos científicos abrangendo o período de 1911 a 2025. Desta forma, este estudo, estruturado em formato multiproduto, demonstra o potencial uso deste grupo como novos modelos biológicos.

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.

O descarte inadequado de medicamentos vencidos ou em desuso e de produtos utilizados no cuidado em saúde constitui um problema que envolve riscos à saúde humana, impactos ambientais e desafios relacionados à gestão sustentável de resíduos. Nesse contexto, a logística reversa de medicamentos apresenta-se como uma estratégia de responsabilidade compartilhada, cuja efetividade depende não apenas da existência de regulamentações e estruturas de coleta, mas também do conhecimento e da participação da sociedade. Este estudo teve como objetivo investigar a sustentabilidade da logística reversa de medicamentos e produtos para uso pessoal a partir da perspectiva dos Recursos Educacionais Abertos (REA), buscando compreender o papel da educação na promoção de práticas seguras e ambientalmente responsáveis. Trata-se de um estudo de abordagem qualitativa, desenvolvido a partir de análise documental e de uma scoping review da literatura, contemplando aspectos regulatórios, evidências científicas e relações entre logística reversa, educação e sustentabilidade. A análise documental considerou marcos normativos brasileiros relacionados à gestão de resíduos e ao descarte de medicamentos, incluindo a Política Nacional de Resíduos Sólidos, o Sistema de Logística Reversa de Medicamentos Domiciliares e o Plano Nacional de Resíduos Sólidos, além de normas sanitárias e ambientais pertinentes. A scoping review permitiu mapear evidências sobre práticas de descarte, acúmulo domiciliar de medicamentos, letramento em saúde, manejo seguro de resíduos e estratégias educativas. Os resultados evidenciam uma lacuna entre o conhecimento disponível e a adoção de práticas adequadas pela população, reforçando a necessidade de ações educativas acessíveis, permanentes e socialmente contextualizadas. A educação constitui, portanto, um elemento estruturante para fortalecer a logística reversa e ampliar a participação cidadã na proteção da saúde e do meio ambiente. Como produto, foi proposta uma formação continuada autoinstrucional, estruturada em formato de acesso massivo, com módulos e recursos didáticos fundamentados nos princípios da Educação Aberta e dos REA. A proposta busca democratizar o acesso ao conhecimento, apoiar o desenvolvimento do letramento em saúde e estimular práticas sustentáveis de descarte e manejo de medicamentos e produtos de uso pessoal. Conclui-se que a articulação entre logística reversa, educação aberta e sustentabilidade pode contribuir para transformar conhecimento em práticas sociais responsáveis, fortalecendo a responsabilidade compartilhada e o compromisso com a saúde, o meio ambiente e os Objetivos de Desenvolvimento Sustentável da Agenda 2030.

A Doença de Alzheimer (DA) é um distúrbio neurodegenerativo progressivo que afeta milhões de pessoas em todo o mundo. Os métodos tradicionais de diagnóstico dependem de técnicas de neuroimagem, como PET-CT, que são caras e de difícil acesso, especialmente em regiões com poucos recursos. O eletroencefalograma (EEG) surge como uma alternativa de baixo custo e portátil para auxiliar no diagnóstico da DA. Este estudo propõe uma abordagem que transforma sinais de EEG em imagens por meio do método ASTERI, permitindo a classificação de DA, demência frontotemporal (DFT) e indivíduos saudáveis utilizando modelos de deep learning. Foi utilizada uma base de dados composta por EEGs de 86 indivíduos (36 DA, 23 DFT e 29 controles), gerando um total de 141.063 imagens. Diferentes modelos de deep learning foram avaliados, com o modelo ConvNeXt alcançando o melhor desempenho, atingindo acurácia e F1-score de até 0.9964 com intervalo de confiança de 95%. Os métodos de Mapas de Saliência e Gradientes Integrados foram aplicados para identificar as regiões das imagens mais relevantes no processo de classificação. Ao cruzar esses resultados com os Mapas de Influência propostos, foi possível determinar os canais de EEG que mais contribuíram para a decisão do modelo. Os resultados sugerem que os canais das regiões occipital e frontal desempenham um papel fundamental na diferenciação entre doenças neurodegenerativas. Além disso, foram observadas diferenças de contribuição entre os hemisférios cerebrais, corroborando estudos anteriores que indicam uma deterioração mais rápida do hemisfério esquerdo em pacientes com DA. Este estudo contribui para o desenvolvimento de ferramentas diagnósticas baseadas em inteligência artificial, reforçando o potencial do EEG como uma modalidade acessível e não invasiva para a avaliação de doenças neurológicas.

A pinça óptica caracteriza-se como uma ferramenta capaz de capturar, movimentar e medir propriedades biomecânicas em escalas micrométricas sem contato direto, sendo relevante no estudo de doenças que afetam a deformabilidade eritrocitária, como a anemia falciforme. A integração de câmeras ultrarrápidas e a automação de medições no sistema de pinça óptica podem aumentar a eficiência, precisão e versatilidade de análises, particularmente em experimentos que requerem alta resolução temporal, como a determinação da viscosidade de membrana (η_m) celular. Este trabalho objetivou desenvolver e aplicar sub-rotinas computacionais para medições automatizadas de propriedades biomecânicas por pinças ópticas. Além disso, buscou investigar o efeito da lectina ligadora de manose (MBL) na elasticidade (µ) de eritrócitos normais (HbA) e de pacientes com anemia falciforme (HbSS). Estudos indicam que níveis baixos de MBL no sangue estão associados a uma maior frequência de crises vaso-oclusivas em pacientes HbSS, o que justifica o estudo da µ eritrocitária. Nesse contexto, amostras de eritrócitos HbA e HbSS, com e sem interação com a MBL, tiveram µ mensurada em tempo real correlacionando-se a elongação celular com a velocidade de arraste pela pinça óptica. A elongação foi determinada por meio de processamento de imagem, em uma plataforma automatizada utilizando LabVIEW. Posteriormente, foi realizada uma substituição de uma câmera CCD de 240x352 pixels a 30 fps por uma CMOS de 1280x1024 pixels, com a qual foram realizadas avaliações na taxa de 100 fps. Com essa mudança, as etapas de funcionamento do LabVIEW de segmentação de imagem e obtenção das medições biomecânicas foram adaptadas e complementadas dando origem a uma plataforma para realização de medições de µ e η_m em eritrócitos, e outra para caracterização de células aderidas utilizando microesferas. A incubação com MBL diminuiu µ em 30% (p<0,0001) para eritrócitos HbA e em 44% para HbSS (ambos, p<0,0001), sugerindo também uma maior interação da lectina com células HbSS. Assim, acredita-se que, in vivo, a MBL possa estar estabilizando a membrana e o citoesqueleto dos eritrócitos HbSS, prevenindo a falcização, ou atuando como uma biomolécula opsonizadora, ajudando a remover essas células, impedindo a formação de coágulos nos microvasos. A câmera ultrarrápida permitiu medir µ em tempo real (com valores consistentes a resultados anteriores) utilizando o detector de bordas MaxClamp. Além disso, η_m foi medida a partir de vídeos gravados pela plataforma em tempo real. A propriedade η_m foideterminada a partir da máxima elongação do eritrócito até seu retorno à conformação inicial e a câmera ultrarrápida revelou um movimento de rotação celular ao retornar ao repouso, demandando a implementação de descritores de elongação resistentes a esse movimento. Para isso, utilizou-se uma combinação dos detectores de borda MaxClamp e Shi-Tomasi. Os pontos identificados por ambos nas bordas foram armazenados, e as distâncias entre os pares calculadas, sendo a maior delas considerada como o valor de elongação, resultando na aquisição de η_m de forma automatizada. Além disso, uma plataforma para caracterização de células aderidas foi desenvolvida, a partir da qual é possível controlar velocidade e deslocamento de microesferas, bem como medir o deslocamento do seu centro de massa para calibração da pinça óptica e análises. Acreditamos que este trabalho trouxe contribuições relevantes sobre o papel da MBL em eritrócitos, incentivando novas investigações. Adicionalmente, abriu perspectivas para avaliação da rotação de eritrócitos, o que juntamente com as novas sub-rotinas para determinação de propriedades viscoelásticas eritrocitárias e de células aderidas amplia as perspectivas de aplicações de pinças ópticas em biofísica celular.

Introdução: A educação sexual no Brasil é um campo interdisciplinar que enfrenta
desafios estruturais, culturais e políticos significativos, impulsionados pela
resistência conservadora, pela formação específica inadequada e pela rica
diversidade sociocultural do país. Esses fatores contribuem para abordagens
fragmentadas, limitando a eficácia da educação sexual na abordagem integral de
questões como gênero, diversidade e saúde. Objetivo: Mapear os profissionais
envolvidos no ensino da educação sexual no Brasil. Assim, identificando seus perfis,
formações, atribuições e os desafios enfrentados no contexto educacional por meio
de uma revisão de escopo, conduzida de acordo com as diretrizes do Preferred
Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) adaptadas
para tal. Métodos: A revisão foi orientada pela questão: “Quais são as formações,
perfis e atribuições dos profissionais envolvidos no ensino da educação sexual no
contexto educacional brasileiro?”. Foram realizadas buscas em cinco bases de
dados (SciELO, PubMed, LILACS, Scopus, Web of Science), entre 14 de março e 25
de abril de 2025, utilizando descritores como “professor”, “health educators”, “sex
education”, “sexuality” e “Brazil”, combinados com operadores booleanos “AND” e
“OR”. Não houve restrições temporais ou linguísticas. Foram incluídos estudos que
descrevessem a atuação, a formação ou os papéis de profissionais envolvidos na
educação sexual no Brasil, bem como documentos institucionais e normativos
oficiais que orientassem ou regulamentassem essa atuação. Foram excluídos
trabalhos cujo objeto principal não contemplasse os profissionais e materiais sem
fundamentação científica ou institucional reconhecida. A seleção seguiu as etapas
PRISMA: identificação, triagem, elegibilidade e inclusão, resultando em 24 estudos
(21 das bases, 3 de busca manual). Os dados foram extraídos e analisados
qualitativamente, com categorização temática por região. Resultados: Os 24
estudos revelaram que professores, profissionais de saúde (enfermeiros, médicos),
agentes comunitários e educadores de pares são os principais envolvidos na
educação sexual. Os professores, especialmente de Ciências, carecem de formação
específica, enfrentam tabus culturais, influências religiosas e reações contrarias das

familiares, limitando o ensino a aspectos biologizantes e preventivos. A formação
inicial e continuada é insuficiente, com currículos que negligenciam diversidade
sexual e gênero. Na saúde, profissionais enfrentam desafios semelhantes, com foco
técnico e pouca atenção a questões socioculturais. Projetos comunitários mostram
resultados positivos, mas sua escalabilidade é limitada. Regionalmente, podemos
destacar que o Sul apresenta práticas heteronormativas e ineficazes na prevenção
da gravidez na adolescência; o Sudeste destaca barreiras na formação docente e
necessidades negligenciadas de trabalhadores sexuais; o Centro-Oeste evidencia
lacunas entre diretrizes e práticas; o Norte enfrenta disputas políticas e
desconsideração de interesses dos alunos; e o Nordeste revela desconhecimento
docente influenciado por dogmas religiosos. Discussão: A educação sexual no
Brasil é marcada por abordagens fragmentadas, resistência conservadora e falta de
padronização curricular, perpetuando desigualdades e discriminações. A formação
específica é crucial para superar tabus e integrar temas como gênero e diversidade,
considerando as especificidades regionais e culturais do país. Iniciativas
comunitárias e educacionais de pares mostram potencial, mas bloqueiam maior
integração com o sistema educacional e de saúde. A revisão alinha-se aos Objetivos
de Desenvolvimento Sustentável (ODS) 3, 4 e 5 e à iniciativa Reimaginar o Futuro
da Educação da UNESCO, propondo uma educação sexual transformadora e
inclusiva. Conclusão: O estudo alcançou seu objetivo de mapeamento e evidenciou
a urgência de políticas públicas que priorizem: formação continuada de profissionais,
integração efetiva entre saúde e educação, e desenvolvimento de estratégias
contextualizadas que considerem as diversidades regionais brasileiras. Recomenda-
se a adoção de modelos já bem-sucedidos no país, como as capacitações da UNA-
SUS, para superar as barreiras identificadas.

As desordens neuromusculares que afetam os membros superiores exigem métodos cada vez mais precisos para a análise e o reconhecimento de movimentos. Nesse cenário, os sinais de eletromiografia de alta densidade (HD-EMG) associados a técnicas de aprendizado de máquina oferecem novas possibilidades para a identificação de padrões musculares. Este trabalho propõe a aplicação do método ASTERI na conversão de sinais HD-EMG em imagens bidimensionais, viabilizando o uso de arquiteturas profundas, como redes neurais convolucionais (CNNs), para extração de características relevantes na classificação de gestos manuais. Foram utilizados dados públicos da base PhysioNet, obtidos de 20 voluntários saudáveis durante a execução de 34 gestos distintos. Após o pré-processamento e a conversão dos sinais em imagens, diferentes classificadores foram avaliados. O modelo SVM com kernel polinomial de grau 1 apresentou o melhor desempenho, alcançando acurácia de 72,14% em validação cruzada e 72,47% no conjunto de teste, com sensibilidade de 0,73 e área sob a curva ROC (AUC) de 0,87. Esses resultados demonstram a eficácia do método ASTERI aliado ao aprendizado de máquina na análise de sinais mioelétricos, ressaltando seu potencial para aplicações futuras em tecnologias assistivas, interfaces cérebro-máquina (BMI) e sistemas de apoio ao diagnóstico neuromuscular.

Este estudo retrospectivo visa desenvolver e avaliar modelos preditivos de Infecção de Sítio Cirúrgico (ISC) utilizando algoritmos de aprendizado de máquina, aplicados a dados clínicos de pacientes submetidos a cirurgias limpas no Hospital das Clínicas de Pernambuco. A pesquisa, baseada em prontuários eletrônicos, utiliza os algoritmos J48 e Random Forest, com a técnica de balanceamento SMOTE para corrigir o desbalanceamento das classes. Os resultados indicam que, sem o balanceamento, ambos os modelos apresentaram bom desempenho, com destaque para o J48, que teve uma acurácia de 96,60% e sensibilidade de 98%. Após o balanceamento das classes, o modelo Random Forest apresentou um desempenho excepcional, com 100% de sensibilidade, especificidade e acurácia, sem falsos positivos ou negativos. Os resultados demonstram que o uso de IA e aprendizado de máquina pode melhorar a detecção precoce de ISC, promovendo a segurança do paciente, reduzindo custos hospitalares e otimizando a alocação de recursos. Este estudo sugere que a implementação de assistentes virtuais baseados em IA pode transformar a prática clínica, oferecendo ferramentas para vigilância em tempo real e apoiando a tomada de decisões clínicas mais informadas.

O envelhecimento populacional tem ampliado a incidência de doenças neurodegenerativas, entre elas a Doença de Alzheimer (DA) e a Demência Frontotemporal (DFT), que apresentam desafios relevantes para o diagnóstico precoce. Este estudo tem como objetivo investigar a utilização de sinais de eletroencefalografia (EEG) em estado de repouso, combinados com algoritmos de aprendizado de máquina, como ferramenta de apoio ao diagnóstico diferencial dessas condições. A base de dados analisada incluiu 88 sujeitos (36 com DA, 23 com DFT e 29 controles), coletados segundo o Sistema Internacional 10-20. O processamento envolveu três etapas principais: (1) pré-processamento dos sinais no software Octave, segmentados em janelas de 4 segundos; (2) extração de 34 atributos estatísticos nos domínios de tempo e frequência; e (3) classificação automática com Random Forest (RF) e Máquina de Vetor de Suporte (SVM). A avaliação foi realizada no software Weka, com validação cruzada estratificada de 10 folds e 30 repetições independentes. Os resultados indicaram desempenho superior do RF, que alcançou acurácia média de 95,4%, índice Kappa de 0,93, sensibilidade de 98% e especificidade de 94%, enquanto o SVM obteve acurácia de 70%. Esses achados sugerem que a integração de EEG e Random Forest pode oferecer suporte confiável ao diagnóstico diferencial de demências, com potencial para aplicação em ambientes clínicos de recursos limitados. A principal contribuição deste trabalho reside na demonstração da viabilidade de métodos baseados em inteligência artificial para traduzir sinais cerebrais em informações clinicamente relevantes, ampliando as perspectivas de diagnóstico precoce e acessível.

A candidíase vulvovaginal (CVV) configura-se como a segunda infecção genital mais comum em mulheres e a principal etiologia das vaginites, afetando aproximadamente 75% das mulheres adultas ao menos uma vez na vida, com uma parcela significativa (5% a 9%) evoluindo para a forma recorrente (CVVR). Diante da
relevância clínica e do crescente desafio imposto pela resistência aos antifúngicos azólicos, historicamente o tratamento padrão, esta revisão de escopo buscou mapear, classificar e sintetizar as abordagens terapêuticas existentes e emergentes para a CVV em mulheres adultas. A metodologia seguiu as diretrizes do Joanna Briggs Institute (JBI) e PRISMA-ScR, utilizando a estratégia PCC (População: mulheres adultas com CVV; Conceito: abordagens terapêuticas; Contexto: diferentes níveis de cuidado em saúde). A busca sistemática em bases de dados resultou na inclusão de 219 estudos. Os resultados demonstram um crescimento progressivo da
produção científica, com picos acentuados entre 2017 e 2024, impulsionado pela ineficácia dos tratamentos e pela emergência da resistência antifúngica. A análise etiológica confirmou a dominância histórica de C. albicans (47,8%), mas revelou a notável ascensão de espécies não-albicans (CNAs), que somam 37,8% dos isolados
e estão intrinsecamente associadas à diminuição da sensibilidade aos azólicos. O panorama terapêutico (1959-2025) aponta para uma transição: embora os Antifúngicos Azólicos (AFA) representem 60% dos estudos (Clotrimazol e Fluconazol em destaque), observa-se um crescimento expressivo nas Terapias Combinadas
(COMB) e nas Abordagens Alternativas e Complementares (CAM), incluindo probióticos, Ácido Bórico e imunoterapias. Entre as novas moléculas, o Ibrexafungerp e o Oteseconazol despontam como promessas para combater cepas resistentes e a recorrência. A maior parte da investigação se concentrou na CVV
geral (62%), mas a CVVR representou 21% dos estudos, sinalizando um foco crescente, porém ainda insuficiente, no manejo da recorrência. Em conclusão, a pesquisa atual reflete a necessidade de um paradigma terapêutico integrado, que vá além da ação antifúngica direta, incorporando a modulação do microbioma e a resposta imune da paciente para superar o complexo desafio da CVV.

O diagnóstico precoce de doenças dermatológicas tem sido impulsionado pelo avanço da inteligência artificial, especialmente pelo aprendizado profundo combinado com algoritmos de classificação. Este estudo propõe uma estrutura de apoio ao diagnóstico, utilizando redes neurais artificiais profundas e algoritmos de classificação, visando a detecção precoce de condições dermatológicas. Exploramos diversas condições médicas, incluindo hanseníase, psoríase, artrite psoriásica e câncer de pele, cada uma com suas próprias características distintas. A hanseníase, por exemplo, é uma doença endêmica em regiões subdesenvolvidas, como o Brasil, onde o diagnóstico precoce é crucial para interromper a transmissão e prevenir complicações. Da mesma forma, a psoríase e a artrite psoriásica requerem detecção precoce para melhorar os resultados clínicos e a qualidade de vida dos pacientes. Além disso, o câncer de pele apresenta diferentes subtipos, como melanoma, carcinoma basocelular e carcinoma epidermóide, cada um exigindo uma abordagem específica para diagnóstico e tratamento eficazes. Foram utilizadas redes neurais profundas (VGG16, Inception v3 e ResNet50) para a extração de atributos das imagens das condições dermatológicas. Além disso, a técnica de balanceamento SMOTE foi empregada durante a fase de treinamento para garantir uma distribuição adequada das classes e evitar viés nos resultados. Os conjuntos de dados foram divididos em treino e teste. Cinco categorias de diferenciais das doenças foram exploradas, avaliadas separadamente e em conjunto. Os resultados destacaram a rede Inception v3 como a mais eficaz para este propósito, combinada com o classificador SVM de grau 3, seguido pelo Random Forest com 500 árvores. Métricas de avaliação, incluindo acurácia, índice kappa, sensibilidade, especificidade e área sob a curva ROC, confirmaram a eficácia dessas combinações. Este estudo oferece uma contribuição significativa para o avanço no diagnóstico precoce de doenças dermatológicas, fornecendo insights valiosos sobre a eficácia de diferentes abordagens de inteligência artificial e suas combinações. Esses resultados têm o potencial de impactar positivamente a prática clínica, oferecendo uma base sólida para o desenvolvimento de ferramentas de auxílio ao diagnóstico mais precisas eficientes e acessíveis, melhorando assim os resultados clínicos e a qualidade de vida dos pacientes dermatológicos.

O envelhecimento da população brasileira, impulsionado pela queda na taxa de natalidade e pelo aumento da expectativa de vida, traz consigo um aumento na prevalência de doenças como osteoporose, hipertensão e demências, especialmente a Doença de Alzheimer e a isquemia cerebrovascular. Nesse contexto, a musicoterapia surge como um potencial aliado no combate aos efeitos dessas doenças, demonstrando ser capaz de desacelerar o progresso das demências através de estímulos musicais e da educação musical. A interação do paciente com a música promove a estimulação de áreas cerebrais relacionadas à memória, utilizando as emoções como meio de ativação. No entanto, a efetividade da musicoterapia depende crucialmente da capacidade do terapeuta em reconhecer e estimular corretamente as emoções do paciente. Diante da necessidade de aprimorar a efetividade da musicoterapia, esta pesquisa propõe o desenvolvimento de uma interface musical cérebro-máquina (IMC-M) baseada em redes neurais artificiais profundas (RNA) e algoritmos evolutivos, com o objetivo de reconhecer as emoções do paciente a partir de sinais eletroencefalográficos (EEG) e da voz, permitindo a personalização dos estímulos musicais na musicoterapia em idosos. Esta dissertação de mestrado teve como objetivo geral desenvolver um modelo robusto para o reconhecimento de emoções em idosos, utilizando sinais de EEG e voz. Os resultados obtidos nesta pesquisa demonstram que o objetivo geral foi plenamente atingido. A base de dados coletada é uma das maiores e mais completas na área de reconhecimento de emoções em idosos até o momento, e o modelo desenvolvido apresentou um alto desempenho na classificação das emoções, com valores de acurácia superiores a 99%. A seleção de atributos utilizando PSO contribuiu para a redução da complexidade do modelo e para a melhoria do seu desempenho. O modelo desenvolvido nesta dissertação tem potencial para ser aplicado em diferentes contextos, como no cuidado com idosos, na interação homem-máquina e na pesquisa científica. O uso do modelo pode auxiliar na identificação de alterações de humor em idosos, na avaliação do impacto de intervenções terapêuticas e no desenvolvimento de interfaces mais intuitivas e personalizadas para interação com essa população. A implementação da IMC-M na musicoterapia em idosos tem o potencial de transformar o tratamento de pacientes com demências e outras doenças relacionadas à idade. Através do reconhecimento preciso das emoções do paciente, a IMC-M permite a personalização dos estímulos musicais, otimizando a efetividade da musicoterapia e promovendo uma experiência terapêutica mais individualizada e eficaz. Além disso, a pesquisa contribui para o avanço do conhecimento sobre as relações entre música, emoções e o cérebro humano em idosos, abrindo caminho para novas aplicações na musicoterapia e em outros domínios da saúde voltados para essa população.

O Transtorno do Espectro Autista (TEA) é uma condição neurológica complexa e heterogênea, com uma prevalência estimada de aproximadamente 1 em cada 44 crianças. O diagnóstico precoce é essencial para otimizar a qualidade de vida dos indivíduos afetados, pois possibilita a implementação de intervenções terapêuticas eficazes durante os períodos críticos do desenvolvimento infantil. Este estudo visa desenvolver um diagnóstico diferencial precoce baseado em sinais de eletroencefalograma (EEG), com o objetivo de identificar características associadas ao TEA. Para isso, foram utilizados sinais de EEG de 56 indivíduos extraídos da base de dados de Sheffield, aplicando-se técnicas para o tratamento de dados faltantes. Posteriormente, foi realizada uma seleção manual dos dados de EEG para adequação às análises. Diversos métodos de aprendizado de máquina foram empregados, resultando em um desempenho de classificação elevado para os dois conjuntos de dados analisados: um com 9 eletrodos e outro com 15 eletrodos. Os resultados preliminares indicam que a análise dos sinais de EEG com configurações de 9 e 15 eletrodos apresenta um potencial significativo para a identificação de padrões associados ao TEA. Em particular, o modelo Random Forest com 500 árvores se destacou em ambas as bases de dados, alcançando uma acurácia de 98,06% na base com a configuração de 9 eletrodos e 98,49% na base com 15 eletrodos. Esses achados sugerem que o modelo proposto pode servir como uma ferramenta promissora no suporte ao diagnóstico clínico do TEA, proporcionando uma análise mais rápida e precisa dos sinais cerebrais. A robustez e a eficácia observadas nos modelos destacam a viabilidade do uso de EEG combinado com técnicas de aprendizado de máquina para aprimorar o diagnóstico precoce do TEA.

A isquemia mesentérica aguda (IMA) é uma condição médica associada a alta mortalidade, com taxas variando de 60% a 90%, devido à sua apresentação clínica inespecífica que frequentemente resulta em diagnóstico tardio. Apesar dos avanços nas modalidades diagnósticas e tratamentos, a detecção precoce e o manejo adequado da IMA continuam sendo desafios significativos, especialmente em sistemas de saúde com recursos limitados, como o Sistema Único de Saúde (SUS) no Brasil. Este trabalho de dissertação investiga o papel da inteligência artificial (IA) e do machine learning (ML) na melhoria do diagnóstico de IMA, propondo um protótipo inovador que combina dispositivos de imagem portátil com algoritmos de deep learning para análise automatizada de imagens médicas e dados clínicos. O objetivo é aumentar a precisão, rapidez e eficiência diagnóstica, oferecendo suporte em tempo real para a decisão clínica, mesmo em contextos com infraestrutura limitada. A implementação desse sistema no SUS poderia não apenas otimizar recursos e reduzir custos, mas também salvar vidas ao permitir um diagnóstico mais precoce e preciso da IMA. A pesquisa conclui que a adoção de tecnologias baseadas em IA tem o potencial de transformar o atendimento médico, tornando-o mais ágil, acessível e eficaz.

Os substitutos de pele, nos seus variados tipos, surgem como opção plausível no tratamento de feridas cutâneas. Se faz necessário que tais dispositivos tragam consigo propriedades ideais comparáveis a pele humana. Os de dupla camada apresentam vantagem por sua capacidade de mimetização da derme e epiderme. Os biomateriais desempenham papel importante no desenvolvimento dos dispositivos, sendo a agarose, um biomaterial de grande valia por suas características de resistência e plasticidade. As nanopartículas de prata (NPsAg), são eficazes contra as bactérias. As betaglucana são materiais bioativos que modulam o sistema imunológico e a reparação tecidual. O objetivo da pesquisa foi elaborar substitutos dermoepidérmicos biomiméticos a partir da betaglucana, agarose e nanopartículas de prata, com posterior caracterização dos dispositivos. Neste sentido, foram realizados de forma paralela os dispositivos únicos, sendo o epidérmico baseado em agarose e com NPsAg e os dérmicos baseados em betaglucana. Em seguida foi elaborado o dispositivo de dupla camada, que consistiu na junção de ambos. Após o processo, foram realizadas as caracterizações nos filmes em relação a espessura, teor de umidade e grau de intumescimento, além de analisar quanto a espectroscopia Ultravioleta (UV-Vis) e Infravermelho com Transformada de Fourrier (FTIR). Em relação as caracterizações em espessura, observou-se significativa diferenças entre cada dispositivo. Do ponto de vista de retenção de água e do grau de intumescimento, foi constatado que os dispositivos dérmicos e dermoepidérmicos apresentaram um grau elevado de absorção e retenção de água comportando-se como um gel superabsorvente, podendo reter mais de 400 vezes o valor de peso em água. A espectroscopia UV Vis foi utilizada para a caracterização da distribuição as NPsAg no filme epidérmico e dermoepidérmico, a partir dos dados de absorbância pode-se observar que, ainda que as características organolépticas indicassem uma uniformidade, as NPsAg não distribuíram uniformemente no filme, como pode ser averiguado em análises de histogramas e mapas de calor. Foram realizados ensaios de FTIR com módulo ATR associadas a Análise de Componentes Principais (PCA) nesta estudo observou-se que a componente principal PC1 continha 96,9% da variação observada. Em relação a formação de agrupamentos, tanto em gráficos de dispersão PC1 xPC2, agrupamentos hierárquicos e FreeViz, indicaram que a técnica pode discriminar filmes que continham agarose, filmes dérmicos e filmes dermoepidérmicos, sendo possível neste último caso distinguir qual a face do filme foi analisada pelo aparelho de FTIR ATR.

O uso de inteligência artificial cresce continuamente em diversos setores, e no setor da saúde nao é diferente. Aplicações de inteligência computacional ajudam aos profissionais da saúde no processo de diagnóstico, permitindo que este seja mais rápido e mais confiável. Segundo a Organização Mundial da Saúde (OMS), as doenças negligenciadas são aquelas doenças endêmicas que ocorrem em regiões subdesenvolvidas e que não possuem apelo suficiente para receberem investimentos do Estado ou do mercado. O Brasil ́e um dos países com mais casos de hanseíase, esta sendo uma das doenças classificadas como negligenciadas, chegando a uma taxa de detecção geral de novos casos de 13,23 por 100 mil habitantes em 2019. Com uma realidade diferente, mas também preocupante, o câncer é tido como uma das principais causas de morte e uma importante barreira para o aumento da expectativa de vida em todos os pa ́ıses do mundo. No Brasil, para cada ano do triênio 2020-2022 estima-se 625 mil novos casos de câncer, sendo o câncer de pele não melanoma o de maior incidência (177 mil). Este trabalho busca contribuir na detecção precoce da hanseníase e do câncer de pele com a criação de uma estrutura de apoio ao diagnóstico utilizando redes neurais artificiais profundas para extração de atributos, combinado a um algoritmo de classificação, de modo a reconhecer as doenças em imagens com lesões de pele. A fim de uma maior assertividade, foram propostos 7 diferentes cenários de experimentos envolvendo as doenças citadas, levando em conta tanto aspectos computacionais quanto relatos de profissionais da saúde. Foram analisadas as redes profundas LeNet, SqueezeNet, NASNetMobile, ResNet50 e Inception v3 combinadas a diversas configurações do classificador Random Forest. Com base nas métricas de avaliação definidas, observou-se que a arquitetura Inception v3 é aquela que normalmente gera melhores resultados e que, considerando um trade off entre performance e custo computacional, a configuração apropriada para o classificador é aquela com 100 arvores. Como consequência disso, o objetivo da pesquisa foi atingido, chegando em um eficiente sistema de apoio ao diagnóstico por imagem e não invasivo da hanseníase e do câncer de pele adaptado à realidade do Brasil.

 O alginato é um biomaterial com diversas aplicações científicas e industriais devido às suas propriedades e seu baixo custo de aquisição. Hidrogéis a base de alginato são amplamente utilizados na indústria alimentícia, em sistemas de liberação controlada de medicamentos e na engenharia de tecidos. Arcabouços celulares como meio para adesão e proliferação celular com a finalidade de mimetizar tecidos vivos são aplicados rotineiramente na engenharia de tecidos. Metodologias de impressão 3D se popularizaram na última década. Tal tecnologia amplia as possibilidades de aplicação do alginato na engenharia de tecidos. Precisão, automação e velocidade de prototipagem são pontos chave desta metodologia de produção. O presente trabalho se propõe a desenvolver metodologia para a impressão 3D de arcabouços celulares utilizando hidrogel a base de alginato.

O câncer de mama é a forma mais mortal de câncer entre mulheres, tanto em países desenvolvidos quanto em países subdesenvolvidos e em desenvolvimento. A mortalidade do câncer de mama está ligada diretamente a estratégias de prevenção da doença, como campanhas educativas e tecnologias de apoio ao diagnóstico precoce do câncer. A técnica mais utilizada no apoio ao diagnóstico do câncer de mama por imagem é a mamografia por Raios-X. No entanto, a mamografia tem suas desvantagens, como o custo, o uso de raios ionizantes (que podem estar relacionados a fatores causadores de câncer), além do desconforto na obtenção da imagem por meio da compressão da mama. Uma técnica complementar à mamografia é a termografia de mama, ela baseia-se nas mudanças metabólicas resultantes do surgimento de células alteradas no tecido mamário, que resultam em modificações da distribuição de calor. A termografia, vem sendo proposta como técnica complementar à mamografia, sendo mais eficiente comparada ao toque da mama e servindo como sistema de triagem, permitindo a detecção precoce de lesões da mama e diminuindo a mortalidade. Dito isso, este trabalho tem como objetivo analisar o uso de redes neurais profundas juntamente com diferentes técnicas de classificação, para o reconhecimento de lesões em imagens termográficas utilizando o software de aprendizado de máquina Weka. Como também, fundamentar um modelo que possa ser explorado em aplicações de apoio ao diagnóstico do câncer de mama para classificação de lesões em termografias. Inicialmente, na etapa de extração de atributos, foram utilizadas diferentes redes profundas da biblioteca DeepLearning4j do Weka: LeNet, ResNet50, NASNetMobile, SqueezeNet e Inception v3. Logo após, foi realizada a seleção dos melhores atributos utilizando PSO. Em seguida, na etapa de classificação e treinamento, foram gerados 30 experimentos para os seguintes classificadores: Naive Bayes, Bayes Net, Random Tree, Árvore de decisão J48, Random Forest, Máquina de Vetor de Suporte SVM e Rede Perceptron Multicamadas MLP. Os resultados foram comparados utilizando gráficos boxplots e tabelas para as métricas de Acurácia, Índice Kappa, Sensibilidade, Especificidade, Área Sob a Curva ROC e Tempo de Treinamento (ms). Por fim, foi analisado os melhores desempenhos entre as redes neurais profundas e os classificadores utilizados. Além disso, também foi analisado o desempenho antes e após a seleção de atributos, com o objetivo de determinar o modelo mais eficiente a ser utilizado. Como resultados, a rede profunda Inception V3 combinada com o classificador SVM com kernel polinomial de 3 teve a maior taxa de acurácia para a abordagem sem a seleção de atributos, obtendo 79,92%. Porém, utilizando a seleção de atributos, a CNN Inception V3 combinada com o classificador SVM com kernel polinomial de 4, obteve uma acurácia de 78,55% com um tempo de treinamento duas vezes menor.

Os pontos quânticos (PQs) são nanocristais de semicondutores que possuem propriedades ópticas e físico-químicas únicas, como fluorescência com alta resistência à fotodegradação e superfície altamente ativa para conjugações com (bio)moléculas. Por outro lado, as nanopartículas magnéticas (MNPs) apresentam potencialidades para: (i) separação e detecção de células e (bio)moléculas; (ii) atuação como agentes de contraste para imageamento por ressonância magnética e (iii) aplicação para terapia por hipertermia, dentre outras. Assim, a união de PQs e MNPs, configurando uma única nanopartícula bimodal (BNP) com propriedades óptico-magnéticas, pode permitir novos avanços no campo biomédico, especialmente se combinada a (bio)moléculas. A lectina ligadora de manose (MBL) é uma proteína sérica importante do sistema imune humano que exerce funções na defesa do hospedeiro, participando de processos como: (i) reconhecimento de estruturas próprias do organismo que estão alteradas, (ii) ativação do sistema complemento, sinalizando a presença de patógenos para o organismo, (iii) modulação da inflamação e (iv) depuração de células apoptóticas. A MBL tem a capacidade de reconhecer resíduos de carboidratos que possuem hidroxilas nos carbonos 3 e 4 de hexoses, como a D-manose, N-acetil-D-glicosamina e L-fucose presentes nas superfícies celulares, pelo seu domínio de reconhecimento de carboidrato (DRC), na presença de íons Ca²⁺. Nesse contexto, esta dissertação objetivou preparar uma nanossonda multimodal constituída por PQs de CdTe, MNPs de óxido de ferro e MBL. Para tanto, após as sínteses, os PQs carboxilados foram conjugados de forma covalente a MNPs funcionalizadas por grupos aminas, formando BNPs. Os sistemas bimodais foram então conjugados a uma MBL recombinante (rhMBL) em diferentes concentrações, formando as nanossondas BNPs-rhMBL-50 e BNPs-rhMBL-100. Todos os sistemas foram caracterizados por análise de potencial zeta. Os PQs, as BNPs e as nanossondas multimodais também foram caracterizadas opticamente por espectroscopias de absorção e emissão. Por fim, o potencial para aplicação biológica das BNPs-rhMBL foi avaliado por citometria de fluxo utilizando leveduras de Candida albicans como modelo biológico. As análises de potencial zeta indicaram que as MNPs foram eficientemente revestidas com grupos amina e que houve associação de PQs às MNPs, bem como da rhMBL às BNPs. A avaliação óptica confirmou a formação das BNPs. A espectroscopia de absorção indicou que ca. 80% dos PQs foram conjugados às MNPs e também foi observado um redshift de cerca de 20 nm no máximo de emissão de fluorescência após a conjugação entre as nanopartículas. Frente à marcação celular de C. albicans em solução salina enriquecida com Ca²⁺, as BNPs-rhMBL-100 apresentaram melhor desempenho (ca. 86,0% de marcação com mediana de fluorescência de 14.382,3). Ademais, as BNPs-rhMBL-100 marcaram ca. 25,9% das leveduras em salina sem Ca²⁺ e somente ca. 0,3% das células em salina suplementada com Ca²⁺ e EDTA (um quelante de Ca²⁺). Essa diminuição na marcação celular, observada em ambos os ensaios, indicou que o sistema BNPs-rhMBL-100 apresentou especificidade, interagindo com as leveduras pelo DRC. Portanto, conclui-se que foi preparada uma nanossonda multifuncional (BNPs-rhMBL) efetiva e específica que apresenta grande potencial para estudos glicobiológicos.

O acidente vascular cerebral (AVC) é uma patologia que compromete o sistema nervoso central (SNC) levando a limitações funcionais. Sendo classificado como AVC isquêmico quando decorrente da obstrução de um vaso sanguíneo por um trombo ou um êmbolo ou hemorrágico quando ocorre o extravasamento de sangue nas estruturas encefálicas. A Realidade Virtual (RV) tem se tornado uma proposta tecnológica que contribui tanto no tratamento, quanto na motivação dos pacientes durante o processo de reabilitação. Os sinais biomédicos tornam possível a obtenção de dados importantes para avaliação, acompanhamento e reabilitação do paciente em tempo real, sendo ferramentas de grande importância no processo de reabilitação de indivíduos pós-AVC. A presente pesquisa tem como objetivo desenvolver um protótipo de uma interface homem-máquina, utilizando recursos de realidade virtual imersiva (RVI) e eletromiografia (EMG) como proposta para auxiliar na reabilitação do membro superior de pacientes pós-AVC. Trata-se de um estudo de desenvolvimento tecnológico seguido de testes de funcionamento. O teste de funcionamento apresenta um desenho transversal com amostra por conveniência. A pesquisa foi dividida em quatro etapas, sendo a primeira voltada para a montagem do instrumento, composto por um jogo de RVI, óculos de RV e EMG, realizada no laboratório de Interface Homem-máquina da Universidade Federal de Pernambuco (UFPE). A segunda etapa foi composta pela seleção da amostra, com aplicação de testes e escalas para avaliar se o paciente estava apto a participar do estudo, a terceira etapa foi dedicada ao teste do instrumento, seguindo o protocolo de flexão e extensão do cotovelo para a interação com o jogo, com o objetivo de verificar a viabilidade de aplicação do equipamento proposto. Participaram do estudo indivíduos de ambos os sexos, com idade entre 55 e 72 anos e com cognitivo preservado. A quarta etapa e final foi dedicada à análise e interpretação dos resultados. A pesquisa resultou em um instrumento composto por um hardware, um software e firmware específico que se comunicam com um smartphone via protocolo bluetooth.  Após os testes do instrumento com os participantes voluntários, analisou-se os questionários aplicados e concluiu-se que o instrumento teve grau de satisfação positivo, indicando boa usabilidade. Sugerindo que pode ser utilizado por profissionais de saúde em processos de reabilitação.

O sinal da atividade elétrica do coração é captado pelo tradicional exame diagnóstico o eletrocardiograma (ECG), que consiste na medição da atividade elétrica cardíaca. A captação do ECG permite observar a atividade elétrica cardíaca, o ritmo cardíaco, e possibilita verificar as alterações sugestivas de cardiopatias Objetivo: O objetivo do presente estudo é a validação de um protótipo de um instrumento que faz a captação remota do sinal de ECG. Métodos: Trata-se de um estudo transversal, do tipo piloto, para testar o equipamento em desenvolvimento pelo Laboratório de Interface Homem Máquina da Universidade Federal de Pernambuco (UFPE). Em indivíduos saudáveis com idade entre 20 e 79 anos. Referencial Teórico: Monitoramento dos pacientes através dos sinais vitais busca proporcionar segurança ao tratamento voltado a reabilitação cardíaca com programas estruturados e supervisionados. O monitoramento do paciente após eventos cardíacos e durante a reabilitação cardíaca principalmente no ambiente hospitalar necessita de conexões e fios condutores, que impedem parcialmente a livre movimentação, gerando desconforto e retardo desenvolvimento de atividades. Por esse motivo a necessidade de desenvolvimento de uma forma de monitoramento contínuo durante a reabilitação, com qualidade do sinal e transporte das informações sem fios. Resultados: Foi construído e validado um dispositivo de monitoramento do sinal biológico do ECG com transmissão sem fio.

O câncer de próstata (CaP) está entre os cânceres mais frequentes em homens. Apesar das alternativas terapêuticas disponíveis para tratamento, seu diagnóstico é obtido em estágio avançado, baseado no exame físico do tamanho da próstata e do nível de antígeno específico da próstata (PSA) no sangue, bem como na biópsia em casos suspeitos. Tendo em vista a necessidade de alternativas rápidas, miniaturizadas e eficientes, este trabalho visou a elaboração de um sensor point-of-care, utilizando eletrodos interdigitados (EIDs) de ouro para detecção do PSA. Esses foram modificados através da eletrossíntese do Polipirrol (Ppy) por cronoamperometria e funcionalizados com orto-fenilenodiamina (OPD). Uma mistura de EDC/NHS e anti-PSA foi adicionada ao EID para exposição de grupamentos aminas facilitando as ligações amidas dos anticorpos ao filme pirrólico. Após imobilização dos anticorpos, os sítios ativos não-reativos do filme foram bloqueados com uma solução de glicina (50mM) em pH 7,4. A caracterização do sensor foi realizada utilizando a técnica de voltametria cíclica. O filme de PPy@OPD apresentou valores da raiz quadrada de velocidade de varredura com média de 0,99 (Ipa e Ipc), pelos quais sugeriam um comportamento controlado por difusão, apresentando a capacitância específica de 2203 μF/g. A resposta analítica em amostras de soro enriquecido foi obtida por voltametria cíclica. O imunossensor capacitivo apresentou um limite de detecção de 17 ng/mL. Entende-se que apesar de um expressive limite, este ainda necessita de aprimoramento visto que a detecção do PSA permeia a partir de 4 ng/ml.