https://repositorio.ufsc.br/handle/123456789/198761 2026-09-05T21:51:14Z 2026-09-05T21:51:14Z Kasprowicz, João https://repositorio.ufsc.br/handle/123456789/275373 2026-09-03T23:29:23Z 2026-01-01T00:00:00Z

Modelos de aprendizado profundo aplicados à identificação automática de células hematológicas Kasprowicz, João A análise do diferencial leucocitário é fundamental no diagnóstico hematológico; contudo, sua execução manual é suscetível à subjetividade, morosidade e variabilidade interobservador, limitando a padronização e a eficiência laboratorial. Nesse contexto, a Inteligência Artificial (IA), por meio de algoritmos de aprendizagem profunda, destaca-se como ferramenta promissora para automatizar e padronizar a classificação de células hematológicas em imagens de esfregaços de sangue periférico. Para mapear o estado da arte e identificar lacunas, foi conduzida uma revisão sistemática que consolidou evidências sobre técnicas de visão computacional aplicadas à classificação leucocitária. Observou-se predomínio de modelos baseados em Redes Neurais Convolucionais (CNNs), com alta acurácia na diferenciação de células maduras, mas limitações na classificação de células imaturas e atípicas, além de heterogeneidade metodológica que dificulta comparações diretas entre estudos. Com base nessas lacunas, desenvolveu-se um estudo experimental comparando duas arquiteturas de ponta, como YOLOv11 (convolucional) e Vision Transformer (ViT, baseada em atenção), foi utilizado uma base de dados própria denominada Leukocyte-UNIVALI, composta por 14 classes que abrangem o espectro de maturação granulocítica e outras variações morfológicas e disponibilizada publicamente para pesquisa científica. Investigou-se ainda o impacto da técnica de aumento de dados HistAuGAN, baseada em Redes Generativas Adversariais (GANs), para simular variabilidade cromática laboratorial e ampliar a robustez dos modelos. Os resultados demonstraram que, sob aumento padrão, os modelos Vision Transformer apresentaram desempenho superior às arquiteturas convolucionais. Com a incorporação da HistAuGAN, houve elevação substancial das métricas em todas as arquiteturas e redução das diferenças entre modelos. O melhor desempenho foi obtido pelo ViT-Small com HistAuGAN, alcançando F1-score macro de 99,02% ± 0,20 e acurácia global de 99,23% ± 0,08. Conclui-se que, embora a arquitetura influencie o desempenho em cenários de menor diversidade, o aumento de dados orientado ao domínio desempenha papel determinante na robustez e generalização, constituindo estratégia central para o avanço da automação no diagnóstico hematológico assistido por computador.; Abstract: Leukocyte differential analysis is a fundamental procedure in hematological diagnosis; however, manual execution is prone to subjectivity, time consumption, and interobserver variability, limiting laboratory standardization and efficiency. In this context, Artificial Intelligence (AI), particularly deep learning algorithms, has emerged as a promising tool to automate and standardize the classification of hematological cells in peripheral blood smear images. To map the current state of the art and identify gaps in the literature, a systematic review was conducted, consolidating evidence on computer vision techniques for leukocyte classification. The review revealed a predominance of Convolutional Neural Network (CNN)-based models with high accuracy in distinguishing mature cells, but significant gaps in the classification of immature and atypical cells?those of greater clinical relevance?as well as methodological heterogeneity that hampers direct comparison across studies. Based on these findings, an experimental study was developed to directly compare two state-of-the-art architectures: the convolutional YOLOv11 and the attention-based Vision Transformer (ViT). The models were evaluated on a private clinical dataset comprising 14 classes covering the full spectrum of granulocytic maturation and other morphological variations. Additionally, the impact of HistAuGAN, a Generative Adversarial Network (GAN)-based data augmentation strategy designed to simulate laboratory staining variability, was investigated to enhance model robustness. Results demonstrated that under standard augmentation, Vision Transformer variants consistently outperformed convolutional models. However, with the incorporation of HistAuGAN, all architectures exhibited substantial performance gains and reduced inter-model differences. The best performance was achieved by the ViT-Small model trained with HistAuGAN, reaching a macro F1-score of 99.02% ± 0.20 and a global accuracy of 99.23% ± 0.08. These findings indicate that while architectural choice influences performance in lower-diversity settings, domain-oriented data augmentation plays a decisive role in improving robustness and generalization, representing a key strategy for advancing computer-assisted hematological diagnosis. Dissertação (mestrado profissional) - Universidade Federal de Santa Catarina, Centro de Ciências da Saúde, Programa de Pós-Graduação em Informática em Saúde, Florianópolis, 2026.

2026-01-01T00:00:00Z Iankoski, Jordana Soares https://repositorio.ufsc.br/handle/123456789/275037 2026-08-28T16:46:16Z 2026-01-01T00:00:00Z

Planejamento reprodutivo: monitoramento e suporte à decisão clínica em Google Sheets® - avaliação de usabilidade e experiência do usuário Iankoski, Jordana Soares O fortalecimento da saúde sexual e reprodutiva constitui uma prioridade estratégica para a Atenção Primária à Saúde (APS), especialmente diante da persistência de gestações não planejadas e da necessidade de qualificar o acompanhamento longitudinal das pessoas. Nesse contexto, tecnologias digitais podem contribuir para a organização do cuidado, o monitoramento de métodos contraceptivos e o suporte à tomada de decisão clínica. Este estudo teve como objetivo avaliar a usabilidade e a experiência de uso de uma ferramenta digital voltada ao monitoramento do planejamento reprodutivo na APS. Trata-se de uma pesquisa aplicada de produção tecnológica, fundamentada no Design Science Research Methodology (DSRM). A ferramenta, desenvolvida em ambiente Google Sheets®, integra funcionalidades de registro estruturado da anamnese, cálculo automatizado da elegibilidade contraceptiva com base nos Critérios de Elegibilidade Médica da Organização Mundial da Saúde e recursos de monitoramento e acompanhamento longitudinal das pessoas. A avaliação foi realizada com 32 profissionais de saúde, médicos e enfermeiros, recrutados por amostragem de conveniência. A usabilidade foi mensurada por meio da System Usability Scale (SUS), complementada por questões abertas para análise qualitativa da experiência do usuário. Os resultados indicaram média de 85,4 pontos na escala SUS, classificada como excelente segundo os padrões interpretativos da literatura, evidenciando elevada aceitabilidade, facilidade de uso e qualidade percebida da ferramenta. A análise qualitativa revelou que funcionalidades como a geração automática da anamnese, o cálculo de elegibilidade dos métodos contraceptivos e o acompanhamento das usuárias foram percebidas como especialmente úteis para a organização do processo de trabalho e para a segurança clínica. Entre as limitações do estudo destacam-se o tamanho amostral reduzido e a realização da avaliação em ambiente não integrado a sistemas institucionais. Conclui-se que a ferramenta apresenta potencial de aplicabilidade no contexto da APS, contribuindo para a qualificação do planejamento reprodutivo, para a organização do cuidado e para o fortalecimento do uso de tecnologias digitais de apoio à decisão clínica no Sistema Único de Saúde.; Abstract: Improving sexual and reproductive health remains a strategic priority for Primary Health Care (PHC), particularly given the persistence of unplanned pregnancies and the need to improve longitudinal follow-up of users. In this scenario, digital technologies can support care organization, monitoring of contraceptive methods, and clinical decision-making. This study aimed to evaluate the usability and user experience of a digital tool designed to support reproductive planning monitoring in PHC. This applied research of technological production was based on the Design Science Research Methodology (DSRM). The tool, developed in the Google Sheets® environment, integrates functionalities such as structured anamnesis recording, automated calculation of contraceptive eligibility based on the World Health Organization Medical Eligibility Criteria, and monitoring and follow-up resources for users. The evaluation involved 32 health professionals, including physicians and nurses, recruited through convenience sampling. Usability was assessed using the System Usability Scale (SUS), complemented by open-ended questions to explore qualitative aspects of user experience. The results indicated a mean SUS score of 85.4 points, classified as excellent according to interpretative standards in the literature, demonstrating high acceptability, ease of use, and perceived quality of the tool. Qualitative findings showed that features such as automated anamnesis generation, contraceptive eligibility calculation, and user follow-up were perceived as particularly useful for organizing the work process and improving clinical safety. Study limitations include the reduced sample size and the evaluation conducted in an environment not integrated with institutional health information systems. The findings suggest that the tool has potential applicability in PHC, contributing to the strengthening of reproductive planning practices, the organization of care, and the advancement of digital health solutions that support clinical decision-making within the Brazilian Unified Health System. Dissertação (mestrado profissional) - Universidade Federal de Santa Catarina, Centro de Ciências da Saúde, Programa de Pós-Graduação em Informática em Saúde, Florianópolis, 2026.

2026-01-01T00:00:00Z Andrade, Márcio Pacheco de https://repositorio.ufsc.br/handle/123456789/272935 2026-03-24T23:26:37Z 2026-01-01T00:00:00Z

Sistema informatizado de triagem (PCACR): desenvolvimento, implantação e Indicadores Andrade, Márcio Pacheco de A informatização do acolhimento em unidades de saúde constitui uma estratégia fundamental para mitigar a variabilidade clínica e assegurar a rastreabilidade dos atendimentos de urgência, por meio da substituição de processos manuais por fluxos digitais padronizados, inserindo-se no campo da informática em saúde como uma pesquisa de natureza aplicada e orientada à solução de um problema prático relacionado à informatização e à padronização da triagem segundo o Protocolo Catarinense de Acolhimento e Classificação de Risco (PCACR). A metodologia combinou abordagens descritiva, exploratória e iterativa, permitindo a documentação sistemática dos processos institucionais, a identificação de barreiras organizacionais, técnicas e operacionais, bem como o desenvolvimento incremental do sistema com base em ciclos sucessivos de validação e feedback organizacional. O desenvolvimento foi conduzido sem a utilização de dados pessoais identificáveis, fundamentando-se exclusivamente em indicadores agregados e em práticas formais de governança da informação, incluindo mecanismos de controle de acesso, trilhas de auditoria e controle de acesso baseado em papéis (RBAC), em consonância com princípios de segurança e proteção de dados. O objetivo consistiu em desenvolver, implantar e validar tecnicamente um sistema informatizado de triagem fundamentado no PCACR, com a identificação e a formalização de requisitos funcionais e arquiteturais voltados à automação e à padronização do fluxo clínico em ambientes de urgência e emergência. Os resultados apresentam um sistema web baseado em arquitetura de microsserviços, utilizando Angular e Python/Django, com banco de dados centralizado, protegido por criptografia e mecanismos de autenticação e autorização, cuja validação técnica em ambiente de homologação demonstrou robustez, com capacidade de processamento estimada em aproximadamente 11.000 classificações diárias. A expansão progressiva do sistema alcançou 158 unidades de saúde, consolidando mais de 2,8 milhões de registros de triagem em painéis de indicadores gerenciais agregados, viabilizando a gestão baseada em evidências, o monitoramento institucional do desempenho operacional e a rastreabilidade dos fluxos assistenciais, sem a exposição de dados sensíveis. Conclui-se que a informatização da triagem é tecnicamente viável e alinhada a diretrizes nacionais e internacionais de organização dos serviços de emergência, recomendando-se a realização de estudos futuros para a mensuração sistemática de impactos em indicadores de desempenho e desfechos operacionais, bem como a adoção de estratégias contínuas de capacitação profissional e de gestão da mudança para a maximização dos benefícios assistenciais e institucionais.; Abstract: The digitalization of patient reception in healthcare facilities represents a fundamental strategy to mitigate clinical variability and ensure the traceability of urgent care encounters by replacing manual procedures with standardized digital workflows, positioning this study within the field of health informatics as applied research aimed at solving a practical problem related to the informatization and standardization of triage according to the Santa Catarina Protocol for Reception and Risk Classification (PCACR). The methodology combined descriptive, exploratory, and iterative approaches, enabling the systematic documentation of institutional processes, the identification of organizational, technical, and operational barriers, and the incremental development of the system based on successive validation cycles and organizational feedback. System development was conducted without the use of identifiable personal data, relying exclusively on aggregated indicators and formal information governance practices, including access controls, audit trails, and role-based access control (RBAC), in accordance with data security and protection principles. The objective of this dissertation was to develop, deploy, and technically validate a computerized triage system grounded in the PCACR, with the identification and formalization of functional and architectural requirements aimed at automating and standardizing clinical workflows in urgent and emergency care environments. The results present a web based solution built on a microservices architecture, using Angular and Python/Django, with a centralized database protected by encryption and authentication and authorization mechanisms. Technical validation in a homologation environment demonstrated system robustness, with an estimated processing capacity of approximately 11,000 daily classifications. Progressive system expansion reached 158 healthcare units, consolidating more than 2.8 million triage records into aggregated managerial indicator dashboards, enabling evidence-based management, institutional monitoring of operational performance, and traceability of care workflows without exposing sensitive data. The findings indicate that triage informatization is technically feasible and aligned with national and international guidelines for the organization of emergency services. Future studies are recommended to systematically measure impacts on performance indicators and operational outcomes, as well as to support continuous professional training and change management strategies in order to maximize clinical and institutional benefits. Dissertação (mestrado profissional) - Universidade Federal de Santa Catarina, Centro de Ciências da Saúde, Programa de Pós-Graduação em Informática em Saúde, Florianópolis, 2026.

2026-01-01T00:00:00Z Vaz, Carlos Henrique Martinez https://repositorio.ufsc.br/handle/123456789/272811 2026-03-18T23:26:12Z 2026-01-01T00:00:00Z

Desenvolvimento e avaliação de usabilidade de aplicativo para apoio à decisão clínica de rastreamentos na Atenção Primária à Saúde Vaz, Carlos Henrique Martinez Este trabalho descreve o desenvolvimento e avaliação da usabilidade do APScreening, um aplicativo móvel de suporte à decisão clínica para rastreamentos na Atenção Primária à Saúde, em português, que organiza recomendações de três fontes (Ministério da Saúde, sociedades científicas nacionais e USPSTF) e avaliar sua usabilidade por médicos e enfermeiros da APS. Adotou-se um processo de design centrado no usuário: criação de mockups no Figma, implementação de um MVP em FlutterFlow e seleção de 12 condições-alvo de alta prevalência e manejo na APS. Realizou-se estudo formativo de usabilidade, com amostragem intencional de profissionais (n=10; 6 médicos e 4 enfermeiros) em Florianópolis, que executaram duas tarefas padronizadas no smartphone e responderam ao System Usability Scale (SUS), além de fornecerem comentários em texto livre. A análise combinou métricas quantitativas (SUS e tempo de tarefa) e categorização semântica dos feedbacks. Os resultados mostram usabilidade elevada (SUS médio 91,25; ?excelente?) e eficiência operacional, com tempo médio de 34s na tarefa 1 e 29s na tarefa 2, indicando aderência ao fluxo de consulta breve. Os comentários destacam a praticidade e apontam oportunidades de melhoria em navegabilidade, completude de regras clínicas e otimizações desejáveis. A discussão interpreta os achados à luz das demandas reais da APS e da necessidade de atualização contínua do conteúdo. Conclui-se que o APScreening é promissor para qualificar decisões preventivas no ponto de cuidado e que etapas subsequentes devem ampliar contextos, plataformas e integração assistencial.; Abstract: This work describes the development and usability evaluation of APScreening, a Portuguese-language mobile clinical decision-support application for screening in Primary Health Care that consolidates recommendations from three sources (the Brazilian Ministry of Health, national scientific societies, and the USPSTF) and evaluates its usability among PHC physicians and nurses. A user-centered design process was adopted: creation of mockups in Figma, implementation of an MVP in FlutterFlow, and selection of 12 target conditions with high prevalence and management in PHC. A formative usability study was conducted with a purposive sample of professionals (n=10; 6 physicians and 4 nurses) in Florianópolis, who performed two standardized tasks on a smartphone and completed the System Usability Scale (SUS), in addition to providing free-text comments. The analysis combined quantitative metrics (SUS and task time) and semantic categorization of feedback. The results show high usability (mean SUS 91.25; ?excellent?) and operational efficiency, with an average time of 34 s for task 1 and 29 s for task 2, indicating adherence to a brief consultation flow. Comments highlight practicality and point to opportunities for improvement in navigability, completeness of clinical rules, and desirable optimizations. The discussion interprets the findings in light of real-world PHC demands and the need for continuous content updates. It is concluded that APScreening is promising for improving preventive decision-making at the point of care and that subsequent steps should expand contexts, platforms, and care integration. Dissertação (mestrado profissional) - Universidade Federal de Santa Catarina, Centro de Ciências da Saúde, Programa de Pós-Graduação em Informática em Saúde, Florianópolis, 2026.

2026-01-01T00:00:00Z