320 XXXII MOSTRA UNISINOS DE INICIAÇÃO CIENTÍFICA E TECNOLÓGICA De 29/09/2025 a 03/10/2025 Unisinos São Leopoldo e Porto Alegre Ciências Exatas e da Terra - Programa de Pós-Graduação em Computação Aplicada Autor(a): Fernanda Monmany Jobim Coautor(es): Modalidade de Bolsa: PROBITI/FAPERGS Orientador(a): Gabriel de Oliveira Ramos O APRENDIZADO DE MÁQUINA: UMA FERRAMENTA DIDÁTICA Introdução: O deep learning, uma das abordagens mais proeminentes dentro do aprendizado de máquina, consiste no treinamento de modelos a partir de dados previamente rotulados. Isso permite que o sistema aprenda a reconhecer padrões e, posteriormente, seja capaz de rotular e classificar novos elementos de forma autônoma. Ferramentas baseadas nessa abordagem vêm sendo incorporadas à educação médica como suporte à formação de novos profissionais, tornando-se potencialmente úteis como recursos didáticos (TOZSIN, A. et al, 2024). Para avaliar a aplicação dessas ferramentas no processo de ensino e aprendizagem, foi desenvolvido um formulário voltado para a resolução de tarefas de classificação de imagens, buscando estabelecer a melhor forma de aplicar esses conceitos, para, futuramente, utilizar esses resultados na construção de uma ferramenta nesse modelo. Dessa forma, espera-se que esse instrumento atue como base para o estabelecimento de uma ferramenta de deep learning capaz de contribuir para uma formação médica mais precisa, interativa e alinhada às exigências da prática clínica contemporânea, ao mesmo tempo que estimula o desenvolvimento de competências em tecnologias emergentes. OBJETIVO: Aplicar os princípios do aprendizado supervisionado em contexto médico e educacional por meio de uma ferramenta de classificação de imagens com o objetivo de avaliar a aplicabilidade do modelo, monitorar o rendimento dos estudantes e aprimorar os processos de ensino e formação de futuros profissionais da saúde. Metodologia: Foi adaptado um formulário previamente desenvolvido para classificação de imagens médicas, contendo 30 imagens de radiografias de tórax para 4 diferentes diagnósticos, e aplicado em 6 estudantes de Medicina da Unisinos. No questionário, para cada imagem, o aluno deveria ranquear as 4
RkJQdWJsaXNoZXIy MjEzNzYz