Nossas Linhas de Pesquisa

Inovação na intersecção entre Computação, Saúde e Nuclear

O portfólio de projetos do CINAS é estruturado em três eixos estratégicos, unindo o rigor científico à inovação tecnológica.

1. Inovação Tecnológica em Diagnóstico e Terapia

Do Algoritmo à Clínica

Investigamos como algoritmos podem “ver” o que o olho humano não alcança, aumentando a precisão diagnóstica e a segurança terapêutica.

IA e Oncologia: Modelos de Deep Learning para segmentação volumétrica (3D) da próstata e modelos de explicabilidade (XAI).

Aprendizado Federado: Treinamento de modelos em múltiplos hospitais preservando a privacidade (LGPD).

Radioterapia de Precisão: Machine Learning para avaliação automática do índice gama em planos de tratamento.

Validação Tecnológica: Estudos comparativos (ex: TCDE vs. Ressonância Magnética).

Visualização de IA médica

2. Gestão da Informação e Processos

Estruturação e Governança

Reconhecemos que sem dados organizados não há inteligência artificial. Atuamos na base da pirâmide do conhecimento.

Engenharia de Conhecimento: Ontologias para domínios nucleares e governança de dados (FAIR principles).

Saúde Pública e Big Data: Mineração de dados do DATASUS (ex: rastreamento de mamografia).

Busca Inteligente: Soluções semânticas para Sistemas de Informação Radiológica (RIS).

Gestão da Qualidade: Indicadores de desempenho e manuais de biossegurança em Medicina Nuclear e Radiologia.

Governança de Dados

3. Modelagem e IA em Instalações Nucleares

Sinergia Física-Digital

O “núcleo duro” da nossa atuação no IPEN, focado na segurança e eficiência das instalações nucleares.

Operação de Reatores: Large Language Models (LLMs) como sistemas de apoio à decisão para operadores de reatores.

Nova Frente (PIML Nuclear): Aplicação em tomografia com nêutrons.

Reator Nuclear Digital

Importante

Nova Frente Transversal: Physics-Informed Machine Learning (PIML)

Estamos iniciando estudos avançados em PIML para aplicações estratégicas, buscando superar as limitações dos modelos puramente baseados em dados (data-driven) ao incorporar leis físicas.

Nuclear

Tomografia com Nêutrons: Melhoria de resolução e resolução de problemas inversos mal-postos.

Saúde

Imagens Médicas: Reconstrução tomográfica com baixa dose e redução de artefatos.

Dosimetria Personalizada: incorporação dos princípios físicos em modelos de machine learning para predição de dose.

Oportunidade: Buscamos alunos (Mestrado/Doutorado) e pesquisadores parceiros interessados em co-desenvolver estas linhas desde o início.