Defesa – Dissertação de Carina Dorneles
Aluno(a): Carina Rosa dos Santos Dorneles
Orientador(a): Carla Maria Dal Sasso Freitas
Título: Reconhecimento de Padrões em Atendimentos do SUS no Rio Grande do Sul através de Aprendizado de Máquina e Análise Envoltória de Dados
Linha de Pesquisa: Computação Gráfica e Visualização de Dados
Data: 26/08/2026
Hora: 09:30
Local: Esta banca ocorrerá de forma híbrida (virtual e presencial), na sala Sala 215 (Polycom)(- predio 43412 do Instituto de Informática/UFRGS e pelo link https://meet.google.com/aqa-srco-izf.
Banca Examinadora:
-Isabel Harb Manssour (PUCRS)
-Isabel Cristina Siqueira da Silva (UFCSPA)
-Mariana Recamonde Mendoza (UFRGS)
Presidente da Banca: Carla Maria Dal Sasso Freitas
Resumo: A limitação de recursos da saúde pública impulsiona cada vez mais a necessidade de aperfeiçoamento da gestão, visando à eficiência na alocação de recursos para atendimento à saúde da população do Sistema Único de Saúde (SUS). Apesar dos avanços tecnológicos atuais, muitos dos sistemas utilizados no SUS ainda são defasados tecnologicamente e a saúde pública carece de ferramentas com funcionalidades que auxiliem a gestão e o monitoramento da alocação de recursos. O grande volume de dados gerados pela saúde torna difícil e onerosa a produção de informações úteis somente com o trabalho manual. Métodos de inteligência artificial (IA) têm sido cada vez mais utilizados em aplicações da área da saúde. Em especial, métodos de aprendizado de máquina (AM) têm colaborado para a transformação de dados em conhecimento útil de forma ágil e automatizada. No entanto, muitos programas de alocação de recur sos da saúde ainda são gerenciados de forma manual ou com ferramentas de recursos tecnológicos limitados. Este trabalho propõe experimentos de abordagens de aprendizado de máquina não supervisionado para o reconhecimento de padrões em atendimentos do SUS, voltado para a gestão e alocação de recursos na Secretaria Estadual da Saúde do Rio Grande do Sul (SES/RS). Para isto, foi realizado um estudo de caso com ambulatórios prioritários do programa estadual ASSISTIR, utilizando dados abertos do SUS sobre atendimentos ambulatoriais e hospitalares de 2022 a 2024. Experimentos foram realizados com algoritmos de agrupamento e combinamos abordagens de detecção de anomalias. Adicionalmente, foi aplicada a técnica de Análise Envoltória de Dados (DEA) para calcular a eficiência relativa dos ambulatórios prioritários e foi elaborado um protótipo de painel analítico para auxiliar visualmente o reconhecimento de padrões. Os resultados dos experimentos e o painel analítico contribuem para a análise dos atendimentos do SUS, com potencial de auxiliar o monitoramento, gestão e alocação de recursos da saúde no RS.
Palavras-Chave: Reconhecimento de Padrões; Aprendizado de Máquina; Análise Envoltória de Dados; Visual Analytics.