Experiências Pedagógicas

Experiências Pedagógicas do Laboratório de Saúde Digital

Pipeline Integrada: Da Recolha à Análise

O Laboratório de Saúde Digital oferece uma sequência de 6 experiências pedagógicas que cobrem todo o ciclo de vida dos dados biomédicos, desde a aquisição por sensores até à visualização em dashboards clínicos.

Experiências Disponíveis

Experiência 1: Recolha de Dados Fisiológicos

Foco: Arduino/ESP32, sensores biomédicos, protocolos de comunicação Duração: 2h presencial + 1h autónoma Pré-requisitos: Programação básica, eletrónica

Introdução prática à recolha de dados fisiológicos através de microcontroladores e sensores biomédicos. Os estudantes montam circuitos, programam a aquisição de sinais e implementam sistemas básicos de transmissão de dados.

Experiência 2: Processamento e Caracterização de Sinais

Foco: Python, DSP, algoritmos de detecção, análise espectral Duração: 2.5h presencial + 1.5h autónoma Pré-requisitos: Experiência 1, matemática/estatística básica

Aplicação de técnicas de processamento digital de sinais em dados fisiológicos reais. Implementação de filtros, algoritmos de detecção de eventos e extração de características para análise clínica.

Experiência 3: Armazenamento Estruturado de Dados

Foco: REDCap, HL7 FHIR, APIs REST, qualidade de dados Duração: 2h presencial + 1h autónoma Pré-requisitos: Experiências 1-2, conceitos de bases de dados

Estruturação, validação e armazenamento de dados biomédicos utilizando plataformas EDC. Ênfase na qualidade dos dados, metadados estruturados e interoperabilidade através de mapeamento para o padrão HL7 FHIR.

Caso de Uso Relacionado: Caso de Uso: REDCap + HL7 FHIR - Caso de uso específico para formulários com exportação HL7 FHIR

Experiência 4: Integração e Interoperabilidade

Foco: HAPI FHIR, Mirth Connect, HL7v2, Docker Duração: 3h presencial + 1.5h autónoma Pré-requisitos: Experiências 1-3, APIs REST

Implementação de comunicação entre sistemas de saúde utilizando padrões modernos (HL7 FHIR) e clássicos (HL7v2). Configuração de middleware de integração e simulação de workflows hospitalares.

Experiência 5: Análise e Visualização de Dados

Foco: PowerBI/Grafana, Python analytics, sistemas de alertas Duração: 2.5h presencial + 1.5h autónoma Pré-requisitos: Experiências 1-4, análise de dados

Construção de dashboards interativos e sistemas de análise para dados biomédicos. Transformação de dados clínicos em insights acionáveis para apoio à decisão médica.

Experiência 6: Monitorização Remota Avançada (IoMT)

Foco: ESP32, MQTT/TLS, Node-RED, edge computing Duração: 3h presencial + 1.5h autónoma Pré-requisitos: Todas as experiências anteriores

Sistema completo de Internet of Medical Things (IoMT) para monitorização remota. Integração de todas as competências anteriores numa pipeline segura, escalável e robusta.

Pipeline Completa

Visão geral detalhada de como todas as experiências se integram numa pipeline coerente, incluindo fluxos de dados, tecnologias partilhadas e competências desenvolvidas.

Objetivos de Aprendizagem Globais

Ao completar todas as experiências, os estudantes serão capazes de:

  • Projetar e implementar sistemas completos de recolha de dados biomédicos
  • Aplicar técnicas avançadas de processamento de sinais para análise clínica
  • Estruturar e gerir dados de saúde com padrões de interoperabilidade
  • Integrar sistemas hospitalares utilizando HL7 FHIR e HL7v2
  • Desenvolver dashboards e sistemas de alertas para apoio clínico
  • Implementar soluções IoMT seguras e escaláveis

Certificação

Os estudantes que completem com sucesso todas as experiências recebem:

  • Certificado de Competências em Saúde Digital (60 ECTS)
  • Portfolio digital com projetos realizados
  • Recomendações para estágios em empresas parceiras
  • Acesso à rede de alumni do laboratório

Casos de Uso Específicos

Além das experiências pedagógicas estruturadas, mantemos disponíveis casos de uso específicos para consulta e implementação:

Caso de Uso: REDCap + HL7 FHIR

Implementação específica de formulários REDCap com exportação HL7 FHIR, incluindo scripts Python e exemplos práticos de mapeamento.

Caso de Uso: Integração com OpenEMR

Integração com sistemas de registos eletrónicos de saúde open source.

Tutoriais Técnicos

Para apoio técnico detalhado na configuração de ferramentas e dispositivos, consulte a nossa seção de tutoriais. Cada tutorial é self-contained e pode ser seguido independentemente.

Contactos

E-mail: fbischoff [at] med [dot] up [dot] pt Telefone: +351 220 426 575 Discord: Lab Saúde Digital