Inteligência Artificial e Machine Learning no Diagnóstico de Imagem

Inteligência Artificial é o uso de recursos da ciência da computação para imitar os processos de pensamento humano: sua forma de aprendizagem, armazenamento de informações e tomada de decisões. Cada vez mais empregado no ensino de diversas ciências, o machine learning e a inteligência artificial podem auxiliar no aprimoramento da prática médica.

Neste evento, uma parceria entre a Associação Médica do Rio Grande do Sul e a Coordenação Local de Estágios e Vivências da Faculdade de Medicina da Universidade Federal do Rio Grande (CLEV-FAMED-FURG), dois especialistas irão abordar a aplicação da inteligência artificial e o machine learning na saúde, com foco no aprimoramento do diagnóstico por imagem e no desenvolvimento de ferramentas que ampliem o acesso rápido e seguro à saúde.

Essa é uma discussão indispensável à formação médica, dada a importância estratégica que estas novas tecnologias representam para o futuro da Medicina.

Nossos palestrantes serão a Profa. Dra. Sandra Avila e  o Prof. Dr. Felipe Kitamura.

Profa. Dra. Sandra Avila

Professora doutora do Instituto de Computação da Universidade Estadual de Campinas (UNICAMP). Doutora, com duplo diploma, em Ciência da Computação pela Universidade Federal de Minas Gerais (UFMG) e pela Sorbonne Université e pós-doutora pela Faculdade de Engenharia Elétrica e Computação da UNICAMP. Atuou como Presidente (2015) e Vice-Presidente (2019) do IEEE Women in Engineering (WIE) Seção Sul Brasil. Ganhou os prêmios Inventores da UNICAMP, na categoria Tecnologia Licenciada (2018) e Google Latin America Research Awards (2018, 2019, 2020). Em 2020, foi selecionada para representar o Brasil no BRICS Young Scientists Forum (YSF), na área de Inteligência Artificial. Suas pesquisas estão voltadas para Inteligência Artificial, mais especificamente aprendizado de máquina e visão computacional, com ênfase na saúde, análise de mídias sensíveis, agricultura de precisão e outras aplicações.

Dr. Felipe Kitamura

Coordenador de inovação em operações diagnósticas da Dasa. Graduado em Medicina na Universidade Federal de Juiz de Fora, mestre em Genética e Biotecnologia pela mesma instituição, residência médica em Radiologia e Diagnóstico por Imagem e Fellow em Neurorradiologia pela Universidade Federal de São Paulo (UNIFESP). Doutor e médico assistente no Departamento de Diagnóstico por Imagem da Universidade Federal de São Paulo. Realiza pesquisas sobre Machine Learning na Radiologia, tendo publicado artigos sobre o assunto. Revisor de periódicos científicos, incluindo o Scientific Reports da Nature Research, Radiology e Radiology: Cardiothoracic Imaging. Vice-editor em treinamento da revista Radiology. Co-chair do subcomitê de educação em machine learning da SIIM (Society for Imaging Informatics in Medicine). Kaggle Master após conquistar três medalhas de ouro, uma de prata e uma de bronze em competições mundiais de desenvolvimento de modelos de Machine Learning para problemas da área da saúde.

O evento ocorrerá de forma online no dia 30 de agosto, segunda-feira, às 19h.

A atividade é aberta a todos, inteiramente online e haverá um espaço para dúvidas do público, além da emissão de certificados!

Contamos com a sua presença!

Realização: Associação Médica do Rio Grande do Sul

Apoio: Coordenação Local de Estágios e Vivência da Faculdade de Medicina da Universidade Federal do Rio Grande (CLEV-FAMED-FURG)

Aproveite e acompanhe o Instagram da AMRIGS: @amrigsoficial

Também não deixe de seguir o instagram da CLEV-FAMED-FURG: @furgclev

CONFIRA AQUI informações importantes sobre o nosso evento:

# Para acessar o nosso evento online você precisa ter uma conta de cadastro na Sympla com o mesmo e-mail usado para retirar o ingresso! Caso deseje mais informações ou ainda tenha dúvidas dê uma olhada nesses links:

Quais são os requisitos para participar da transmissão de um evento via Sympla Streaming?

Como acessar uma vídeo conferência via Sympla Streaming?

# O evento terá lista de presença conferida pela equipe AMRIGS e receberá certificação apenas quem estiver online ao vivo! O prazo para envio do certificado é de 7 a 15 dias após o evento.