Ciência de Dados e Inteligência Artificial Aplicadas à Saúde
Com o crescimento exponencial dos dados na área da saúde, empresas e instituições reconhecem cada vez mais o valor de utilizar essas informações de forma eficiente e econômica para gerar insights, melhorar a qualidade dos serviços e aumentar a competitividade. Este curso oferece aos alunos uma formação estratégica em analytics e ciência de dados aplicados à gestão em saúde, preparando-os para atuar como analistas de dados em um setor em constante transformação. A abordagem é prática e imersiva, com uso de ferramentas analíticas, estudos de caso reais e resolução de desafios reais. A formação promove o desenvolvimento de competências analíticas, técnicas e profissionais, capacitando o aluno para gerar impacto na qualidade dos serviços de saúde. O curso aborda os conceitos, tipos e padrões de dados específicos da saúde, incluindo registros eletrônicos, imagens biomédicas, dados genômicos e indicadores epidemiológicos. Explora as complexidades do processamento de dados multimodais para apoio à tomada de decisão clínica e gerencial, com foco especial em inteligência artificial generativa, medicina personalizada e auditoria preditiva. As técnicas analíticas incluem desde visualização avançada de dados e modelagem estatística até ML, Processamento de Linguagem Natural em registros clínicos e análise de imagens biomédicas. O diferencialcompliance com a LGPD e ética em IA permeiam todo o curso.
O Curso de Especialização em Ciência de Dados e Inteligência Artificial Aplicada à Saúde visa:
Desenvolver competências em ciência de dados e inteligência artificial aplicadas aos diversos contextos e desafios do setor saúde.
Capacitar para o desenvolvimento, implementação e gestão de soluções de IA e analytics em ambientes de saúde.
Formar profissionais aptos a integrar técnicas de machine learning, processamento de linguagem natural e análise de imagens biomédicas na prática clínica e gerencial.
Habilitar o uso estratégico de IA generativa e agentes inteligentes para automação de processos críticos em saúde: auditoria, gestão de riscos e apoio à decisão clínica.
Proporcionar domínio em governança de dados, compliance (LGPD) e aspectos éticos específicos da aplicação de IA no setor saúde.
Capacitar para análise preditiva e modelagem de dados epidemiológicos, econômicos e assistenciais visando a melhoria da qualidade do cuidado.
Desenvolver habilidades em medicina personalizada utilizando análise de dados genômicos, proteômicos e biomarcadores com suporte de IA.
Formar competências em engenharia de prompts e desenvolvimento de aplicações práticas usando grandes modelos de linguagem especializados em saúde.
Habilitar a concepção e execução de projetos multidisciplinares que integrem ciência de dados e IA para resolver problemas do setor saúde.
Capacitar para identificação de tendências emergentes e oportunidades de inovação em IA aplicada à saúde.
Competências a serem desenvolvidas
Ao final do curso, o aluno será capaz de:
Identificar e compreender as diversas perspectivas da Ciência de Dados e IA na área da saúde;
Aplicar técnicas de ciência de dados e IA para resolver problemas em diferentes contextos do setor saúde (assistencial, gerencial, epidemiológico e regulatório).
Desenvolver e implementar soluções de IA, desde a coleta e preparação de dados até a implantação de modelos preditivos em ambientes de saúde.
Projetar e executar estratégias de governança de dados em conformidade com LGPD e regulamentações específicas do setor, garantindo qualidade, segurança e privacidade dos dados de saúde.
Utilizar IA generativa e engenharia de prompts para automatizar processos críticos como auditoria preditiva, geração de relatórios clínicos, análise de riscos e elaboração de pareceres técnicos.
Integrar dados multimodais (clínicos, genômicos, imagens biomédicas) para desenvolvimento de modelos de medicina personalizada e estratificação de riscos.
Avaliar criticamente tendências emergentes em IA aplicada à saúde, identificando oportunidades de inovação e analisando impactos éticos, regulatórios e econômicos.
Comunicar resultados de análises complexas para diferentes públicos (técnicos, gestores, profissionais de saúde) através de visualizações interativas e relatórios automatizados.
PÚBLICO-ALVO
Profissionais com formação superior:
Que atuem na área de gestão da saúde ou áreas afins;
Que já atuem em projetos relacionados a análise e gestão de dados e que queiram complementar e aperfeiçoar seus conhecimentos na área de gestão de dados aplicados na área de saúde;
Que atuem no mercado em projetos relacionados a inovação transformação digital.
PROGRAMA DO CURSO
COMPETÊNCIAS DISCIPLINARES do curso de CIÊNCIA DE DADOS E INTELIGÊNCIA ARTIFICIAL APLICADAS À SAÚDE
O curso integra IA em todas as disciplinas como apoio para acelerar atividades práticas, aprofundar conhecimentos e fortalecer o vínculo entre conhecimento técnico, objetivos de negócio e competências comportamentais.
Módulo 1: Fundamentos de Dados e Estatística
Python para Ciência de Dados
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender os principais tipos e estruturas de dados em Python, como listas, tuplas, dicionários e dataframes
Utilizar estruturas de controle e funções para construção de scripts analíticos
Aplicar vetorização e manipulação de matrizes numéricas com bibliotecas como NumPy
Integrar APIs e serviços externos em aplicações de dados
Utilizar bibliotecas de IA Generativa para apoio à codificação e análise de dados
Desenvolver projetos práticos com gestão de código assistida por IA
Estatística Geral - Teoria e Aplicações
Ao final da disciplina, os alunos deverão ser capazes de:
Aplicar estatística descritiva e inferência estatística em contextos reais
Compreender e utilizar distribuições de probabilidade e testes de hipóteses
Realizar regressão linear simples e interpretar seus resultados
Dimensionar amostras e aplicar diferentes técnicas de amostragem
Utilizar softwares estatísticos e IA Generativa para análise e geração de relatórios
Empregar engenharia de prompt para conduzir análises estatísticas automatizadas
Data Discovery e Analytics
Ao final da disciplina, os alunos deverão ser capazes de:
Aplicar técnicas de análise exploratória de dados (EDA) para identificação de padrões e insights
Formular problemas de negócio com base em pensamento analítico orientado a dados
Avaliar a qualidade dos dados e aplicar técnicas básicas de limpeza e transformação
Criar visualizações eficazes e dashboards interativos para diferentes públicos e objetivos
Utilizar ferramentas OLAP e IA Generativa para geração automatizada de insights e storytelling
Desenvolver narrativas analíticas com suporte de engenharia de prompt e dashboards inteligentes
Módulo 2: Gestão e Governança de Dados em Saúde
Gestão Inteligente de Dados de Saúde
Ao final da disciplina, os alunos deverão ser capazes de:
Realizar o melhoramento, enriquecimento e preparação de dados em ambientes de saúde
Aplicar técnicas de ETL, ELT e arquitetura de Data Lake para montagem e integração de conjuntos de dados
Projetar e desenvolver aplicações para ingestão e operação de dados clínicos e administrativos
Utilizar ferramentas e conceitos de pipelines automatizados para integração de dados em saúde
Empregar IA Generativa para enriquecimento de dados, geração de metadados e documentação técnica
Criar prompts para identificação de inconsistências e problemas de qualidade em bases de dados de saúde
Desenvolver projetos práticos de integração e preparação de dados com foco em interoperabilidade e confiabilidade
Governança de Dados e Compliance em Saúde
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender o ecossistema de dados em saúde e os desafios organizacionais relacionados à governança
Aplicar os princípios do framework de Governança de Dados (GD) adaptados ao setor saúde
Implementar políticas, padrões e procedimentos específicos como Data Stewardship e Registro Eletrônico em Saúde (RES)
Interpretar e aplicar normas como LGPD, HL7, FHIR e DICOM em ambientes clínicos e administrativos
Avaliar riscos de privacidade e segurança com apoio de IA e realizar auditorias automatizadas de compliance
Utilizar IA Generativa para criação de políticas, documentação e frameworks personalizados de governança
Desenvolver projetos práticos que integrem governança, conformidade e ética em dados de saúde
Ciência de Dados e IA Aplicadas à Auditoria em Saúde
Ao final da disciplina, os alunos deverão ser capazes de:
Aplicar técnicas de ciência de dados e IA para análise de dados assistenciais e gerenciais em saúde
Detectar desvios assistenciais, fraudes e inconformidades regulatórias com apoio de modelos analíticos
Implementar auditoria preditiva com uso de IA Generativa e engenharia de prompts
Automatizar processos críticos como autorização de procedimentos, geração de relatórios e pareceres técnicos
Desenvolver indicadores clínicos e gerenciais com suporte de modelos preditivos e simulações
Apoiar a tomada de decisão baseada em dados por meio de cenários simulados e análises inteligentes
Desenvolver projetos práticos voltados à auditoria inteligente, gestão preditiva e conformidade regulatória
Economia da Saúde: Evidências e Inteligência para a Decisão
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender os fundamentos da economia da saúde e os modelos de financiamento e gasto
Aplicar métodos de avaliação econômica como análise de custo-efetividade e simulação de intervenções
Analisar dados e evidências para apoiar decisões estratégicas em políticas de saúde e alocação de recursos
Utilizar assistentes de IA para revisões sistemáticas, modelagem econômica e síntese de evidências
Simular cenários de impacto econômico com apoio de ferramentas analíticas e IA Generativa
Desenvolver projetos práticos que integrem evidências econômicas e inteligência de dados para decisões em saúde
Módulo 3: Análise Preditiva e Inteligência Artificial Aplicada à Saúde
Machine Learning Aplicada à Saúde
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender o processo de aprendizagem de máquina aplicado ao contexto clínico e assistencial
Realizar engenharia de atributos (feature engineering) em dados médicos e administrativos
Aplicar algoritmos supervisionados e não supervisionados em problemas de classificação, predição e agrupamento em saúde
Combinar modelos para melhorar desempenho e robustez em aplicações clínicas
Avaliar modelos com métricas apropriadas e técnicas de validação cruzada com apoio de IA Generativa
Criar prompts para identificação e geração de features relevantes em bases de dados de saúde
Desenvolver projetos práticos com aplicação de ML em cenários reais da saúde
Séries Temporais e Forecasting
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender os conceitos fundamentais de séries temporais, incluindo estacionariedade e autocorrelação
Aplicar métodos de decomposição, médias móveis e alisamento exponencial para análise de tendências
Modelar séries temporais estacionárias e não estacionárias utilizando ARMA, ARIMA e SARIMA
Realizar análises de intervenção e regressão dinâmica em contextos temporais
Utilizar IA Generativa para diagnóstico, sumarização de tendências e geração de prompts analíticos
Desenvolver projetos práticos de previsão com aplicação de modelos estatísticos e machine learning
IA para Medicina Personalizada
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender os fundamentos da medicina personalizada e suas aplicações clínicas
Integrar dados genômicos, proteômicos, biomarcadores e dados clínicos para estratificação de pacientes
Desenvolver modelos preditivos personalizados para diagnóstico, prognóstico e avaliação de risco
Utilizar modelos generativos para criação de protocolos individualizados e síntese automatizada de evidências científicas
Gerar explicações interpretáveis e adaptadas ao perfil do paciente sobre diagnósticos e tratamentos
Avaliar aspectos regulatórios, éticos e de privacidade na aplicação de IA em medicina personalizada
Desenvolver projetos práticos em ambientes clínicos com foco em precisão e personalização
Ciência de Dados em Epidemiologia
Ao final da disciplina, os alunos deverão ser capazes de:
Aplicar os fundamentos do método epidemiológico na análise de dados populacionais de saúde
Utilizar bases de dados públicas para cálculo de indicadores, taxas e medidas de ocorrência de doenças
Avaliar validade e confiabilidade de testes diagnósticos e estratégias de rastreamento
Delinear estudos epidemiológicos e calcular estimativas de risco e associação
Utilizar modelos generativos para monitoramento de surtos, tendências e simulação de cenários
Gerar relatórios epidemiológicos automatizados para diferentes públicos e finalidades
Desenvolver projetos práticos com foco em vigilância, análise populacional e apoio à decisão em políticas públicas
IA Generativa e Agêntica: Modelos, Agentes e Aplicações
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender os fundamentos e arquiteturas da IA Generativa, incluindo LLMs, GANs, VAEs e Transformers
Aplicar técnicas de engenharia de prompts e RAG para personalização de respostas e geração de conteúdo
Projetar e implementar agentes inteligentes com frameworks como LangChain e AutoGPT
Integrar modelos generativos com APIs externas para construção de soluções práticas em saúde
Avaliar aspectos de governança, ética e segurança na aplicação de IA Agêntica
Acompanhar tendências emergentes em IA aplicada à saúde e inovação digital
Desenvolver projetos práticos com agentes generativos voltados à automação, personalização e suporte à decisão
Módulo 5: Inteligência Computacional em Saúde
Processamento e Análise de Imagens Biomédicas
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender os fundamentos das imagens biomédicas e suas aplicações clínicas e diagnósticas
Aplicar técnicas de processamento, classificação e segmentação de imagens médicas com modelos de machine learning
Realizar registro de imagens e reconstrução tridimensional com base em representações de forma e estrutura
Extrair atributos relevantes e integrar informações multimodais em análises visuais biomédicas
Utilizar IA Generativa para criação de relatórios radiológicos, síntese de imagens e explicações visuais personalizadas
Desenvolver projetos práticos com aplicação em imagens 3D, tempo real e telemedicina
Processamento de Linguagem Natural em Registros de Saúde
Ao final da disciplina, os alunos deverão ser capazes de:
Compreender os fundamentos do Processamento de Linguagem Natural (PLN) aplicado a registros clínicos e administrativos
Realizar pré-processamento de textos médicos com técnicas como tokenização, lematização e tratamento de abreviaturas
Representar textos clinicamente relevantes em formatos vetoriais para análise computacional
Reconhecer entidades médicas e relações semânticas em registros de saúde com apoio de LLMs especializados
Utilizar IA Generativa para síntese de registros clínicos, respostas automatizadas e triagem inteligente de casos
Aplicar engenharia de prompt clínico para geração de relatórios, resumos e pareceres técnicos
Desenvolver projetos práticos com foco em análise de sentimento, contexto clínico e automação de processos documentais
Projeto em Ciência de Dados e IA em Saúde
Ao final da disciplina, os alunos deverão ser capazes de:
Planejar e executar um projeto completo aplicando ciência de dados e IA a um problema em saúde
Definir escopo, objetivos, métricas e critérios de sucesso para a solução proposta
Escolher arquiteturas, ferramentas e modelos adequados ao contexto do projeto
Implementar soluções com uso de dados financeiros, modelos preditivos e redes neurais
Utilizar IA Generativa para acelerar etapas como análise exploratória, modelagem e documentação técnica
Apresentar os resultados embasamento técnico e foco em impacto estratégico
Humanidades
Ao final da disciplina, os alunos deverão ser capazes de:
Refletir sobre o papel da ética e da espiritualidade no contexto científico e tecnológico
Avaliar os impactos sociais e humanistas do uso de dados e tecnologia
Desenvolver uma ética profissional sólida em ambientes de trabalho colaborativos e tecnológicos
Conteúdo Programático
Python para Ciência de Dados
Estatística Geral - Teoria e Aplicações
Data Discovery e Analytics
Séries Temporais e Forecasting
Gestão Inteligente de Dados de Saúde
Machine Learning Aplicada à Saúde
Processamento e Análise de Imagens Biomédicas
Processamento de Linguagem Natural em Registros de Saúde
Governança de Dados e Compliance em Saúde
Ciência de Dados em Epidemiologia
Ciência de Dados e IA Aplicadas à Gestão e Auditoria em Saúde
IA para Medicina Personalizada
IA Generativa e Agêntica: Modelos, Agentes e Aplicações
Economia da Saúde: Evidências e Inteligência para a Decisão
O corpo docente poderá sofrer alteração em caso de alguma eventualidade.
ACESSO AO CURSO
A liberação das aulas será em até 72h após a realização da matricula.
INSCRIÇÃO E MATRÍCULA
O processo é realizado em duas fases:
1. INSCRIÇÃO
- Ao clicar no botão Quero me Inscrever, o candidato deverá seguir as etapas do processo, que acontece dentro do portal de inscrições Vem Pra PUC.
- Na página inicial do curso escolhe a forma de pagamento, parcelada ou à vista;
- O pagamento da 1ª parcela deve ser realizado, via cartão ou boleto, a título de confirmação da inscrição. Caso opte pelo pagamento da 1ª parcela via boleto bancário, o vencimento será de até 5 dias corridos e, após o pagamento, o processamento poderá ser em até 72 horas.
- Após a conclusão desta fase, o candidato receberá um e-mail com a confirmação da inscrição.
Informamos que estamos enfrentando instabilidade no processamento da baixa de pagamentos realizados via boleto bancário.
Informamos que que para confirmação da matrícula em até 72 horas, é necessário a confirmação do pagamento por cartão de crédito.
A partir da 2ª parcela os boletos serão enviados por e-mail, 10 dias antes do vencimento, para pagamento sem encargos até o 5º dia útil.
2. MATRÍCULA
O candidato receberá e-mail com o link do Painel do candidato para cumprir três procedimentos:
- atualização dos dados cadastrais;
- upload da documentação necessária. Confira AQUI a lista dos documentos necessários;
- adesão ao termo de matrícula.
FAÇA A SUA MATRÍCULA E GANHE O MÓDULO IA APLICADA Saiba mais sobre o módulo AQUI.
PAINEL DO CANDIDATO
Caso não receba o e-mail da matrícula, o candidato poderá acessar o ambiente Painel do candidato e seguir com os passos para a realização do processo por lá. Além disso, ele conseguirá acompanhar as informações da matrícula e consultar o status do curso.
IMPORTANTE
Somente após a realização da inscrição que o candidato estará apto a seguir para a etapa da matrícula.
A realização do upload dos documentos exigidos na fase de matrícula é obrigatória para a continuidade do processo.
Etapas de inscrição e matrícula finalizadas? Agora o candidato deverá aguardar as informações e orientações que serão enviadas por e-mail e também disponibilizadas no Painel do Candidato.
ATENÇÃO • REQUISITO PREVISTO EM LEI
Apenas os candidatos que tenham colado grau na graduação poderão se inscrever para um curso de pós-graduação da PUC Minas. Este é um requisito previsto na Lei nº 9.394 e também no Contrato de Prestação de Serviços (clique AQUIpara ter acesso). A conferência desse requisito será feita pela PUC Minas e, caso seja identificada alguma irregularidade, a matrícula será cancelada a qualquer momento (conforme cláusula 4.5.1 do contrato). Neste caso, o candidato não terá direito ao recebimento de reembolso dos valores já pagos.
Migração de cursos:
Caso você tenha realizado a sua inscrição e o pagamento, mas queira mudar de opção de curso, clique aqui e faça a sua solicitação de migração. A nossa equipe irá receber a sua solicitação e dar andamento.
Caso não receba as mensagens da PUC Minas, confira sempre a sua caixa de spam.
O aluno deve possuir ou ter acesso a um computador com a seguinte configuração mínima:
Processador com frequência mínima de 2 GHz ou superior e 2 núcleos;
4 GB de memória RAM (recomenda-se 8 GB) *;
Placa de vídeo configurada com resolução mínima de 1024 x 768 pixels;
Placa de som com caixas acústicas (ou fones de ouvido) e microfone;
Windows 10 (atualizado para a versão 1903 ou superior), Windows 11, MacOS (versão 10.13 - High Sierra ou superior) ou Linux;
Google Chrome (versão mais recente) ou Mozilla Firefox (versão mais recente);
Acesso à Internet, com velocidade mínima de conexão de 2 Mbps;
Correio eletrônico pessoal (e-mail).
Observação: O aluno com necessidades especiais deverá informar à Universidade no ato da inscrição. Para alunos portadores de necessidades especiais no campo da visão, é necessário acesso a um programa (software) de leitura de tela.
* Alunos dos cursos BIM Manager e BIM PROJETOS PARAMÉTRICOS E DESIGN DIGITAL APLICADOS À CONSTRUÇÃO CIVIL: A universidade não se responsabiliza pela aquisição das licenças comerciais dos softwares a serem utilizados no curso. O aluno deverá obter versões acadêmicas e gratuitas no site dos fabricantes. É recomendável que o computador do usuário possua no mínimo 16 Ghz de memória RAM (recomenda-se 32) para uso de softwares de autoria BIM.
REQUISITOS ACADÊMICOS
Já ter colado grau.
Possuir diploma de curso de graduação (reconhecido pelo Ministério da Educação do Brasil).
Preencher os requisitos básicos de formação de acordo com a necessidade de cada curso.
Turma Única
Coordenação
Cynthia Bicalho Maluf Araújo Geraldo José Coelho Ribeiro Tadeu dos Reis Faria
O prazo máximo para a conclusão do curso é de até 18 meses, contados a partir da data da matrícula. Exceto para o curso de Engenharia de Segurança do Trabalho, que é de 24 meses.
Curso confirmado: a liberação das aulas será em até 72h após a realização da matricula.
Carga Horária
O curso possui carga horária de 360 horas.
Investimento
24 x R$ 260,00
20 x R$ 312,00
15 x R$ 416,00
10 x R$ 624,00
5 x R$ 1248,00
1 parcela - pagamento à vista com desconto 7% - 5.804,00
Pagamento parcelado: a primeira parcela será quitada no ambiente da loja VEM PRA PUC. As demais deverão ser pagas diretamente à própria instituição PUC Minas por meio de boletos gerados pelo aluno no sistema acadêmico (também serão enviados por e-mail mensalmente).
Pessoa Jurídica como responsável pelo pagamento das mensalidades
Nos casos em que o candidato será beneficiado por uma pessoa jurídica que arcará no todo ou em parte com as mensalidades dos cursos de pós graduação EAD, será necessário gerar o
contrato de coparticipação financeira e preencher todos os dados editáveis do documento, imprimir, assinar e carimbar o respectivo documento e enviar a cópia digitalizada para financeiroiec@pucminas.br. O processo também se aplica se por ventura o curso for pago à vista.
Certificação
Você receberá o certificado de especialista emitido em formato digital pela PUC Minas. O documento terá um link e código para verificação de autenticidade e veracidade. O certificado do curso a distância é igual ao de um curso presencial.
Utilize material didático exclusivo, com acesso a Bibliotecas virtuais.
Tenha suporte acadêmico e tecnológico
Diploma Estrangeiro
Alunos com diploma de graduação emitido fora do territorio nacional, devem acessar o link oficial do MEC para revalidar ou reconhecer seu diploma no Brasil
Estágio
De acordo com a Lei n. 11.788, de 25 de setembro de 2008, o estágio é um ato educativo supervisionado que ocorre no ambiente de trabalho, visando preparar estudantes do ensino superior para o mercado. Ele busca articular as competências adquiridas durante o curso através da vivência em situações profissionais.
Na pós-graduação lato sensu, os alunos podem realizar estágios não obrigatórios, que são opcionais e adicionais à carga horária regular (art. 2º da Lei 11.788/2008). O coordenador do curso é responsável pelas atividades de estágio, podendo contar com o apoio do Setor de Estágio da PÓS PUC Minas quando necessário.
ALGUNS CURSOS NÃO CELEBRAM CONTRATO DE ESTÁGIO, CONFIRA A LISTA AQUI.
Estude na Melhor
Não decidiu qual curso fazer? Faça um teste de orientação profissional para ajudar você na sua escolha.
