Cód. 335566
INTELIGÊNCIA ARTIFICIAL, SAÚDE E DECISÃO: APLICAÇÕES PRÁTICAS DE IA PARA PREDIÇÕES EM SAÚDE
(0)
Autor : ALEXANDRE CHIAVEGATTO FILHO
Editora : HUCITEC
Páginas : 536
Edição : 1 - 2026
Ano : 2026
Origem : NACIONAL
Encadernação : BROCHURA
Dimensões : 16 x 2 x 23
ISBN : 9788584046539
Situação : Sob Encomenda
Data de lançamento : 19/11/2026
R$ 129,00
R$ 109,65
Economize 15%
ou R$ 109,65 em 2x de R$ 54,82 sem juros
Produto esgotado
Preencha os campos para ser avisado assim que o produto voltar ao estoque!
Consulte o frete
Da preparação dos dados à implementação na prática; este livro é um guia indispensável para quem deseja desenvolver algoritmos preditivos em saúde com rigor, interpretar seus resultados com segurança e transformar inteligência artificial em melhores decisões."Produzido por um grupo pioneiro na aplicação da inteligência artificial à saúde no Brasil e amplamente reconhecido no cenário internacional, este livro combina rigor científico e visão crítica, fundamentais para a aplicação responsável e justa da IA na saúde."- BRUNO PEREIRA NUNES, University of Illinois Urbana-Champaign"Uma leitura fundamental para pesquisadores e profissionais que desejam compreender como a inteligência artificial pode transformar dados em predições e apoiar decisões em saúde."- FLÁVIO DEMARCO, Universidade Federal de Pelotas (UFPel)"Trabalho com dados de saúde no Brasil, na África subsaariana e no Reino Unido, e sentia falta de uma referência em português que tratasse de IA em saúde com rigor. Este livro preenche essa lacuna, mas do que apresentar algoritmos, ensina a validar, calibrar e questionar modelos preditivos, com exemplos reais do SUS."- AUDENCIO VICTOR, London School of Hygiene & Tropical Medicine-*-*-Este livro é um manual prático para quem deseja desenvolver, avaliar e aplicar algoritmos preditivos em saúde com rigor metodológico e responsabilidade. Ao longo dos capítulos, o leitor acompanha as principais etapas de um projeto de machine learning, da preparação dos dados e escolha dos modelos à validação, interpretação e implementação dos resultados. A obra também aborda temas que se tornaram centrais para a inteligência artificial em saúde, como calibração, fairness, multicalibração, aprendizado federado e explicabilidade. Com exemplos reais, códigos reproduzíveis e atenção aos desafios próprios dos dados de saúde, o livro foi pensado para pesquisadores, profissionais, gestores e estudantes que querem ir além do uso superficial de algoritmos e compreender como desenvolver modelos capazes de apoiar decisões clínicas e de saúde pública de forma rigorosa e útil.
Nota 0 / 5
5 estrelas
4 estrelas
3 estrelas
2 estrelas
1 estrelas





