Prémio Nobel da Engenharia Biomédica
6 de setembro | 11h15-13h00
Contextualização:
Uma das novidades desta edição! Trata-se de uma competição aberta a investigadores, startups, e até mesmo alunos que estejam a desenvolver as suas teses de mestrado, onde serão desafiados a apresentar um pitch sobre um projeto inovador que estejam a desenvolver. Será um momento mais dinâmico e interativo, onde se pretende promover a criatividade na comunidade científica, dar a conhecer os mais recentes desenvolvimentos feitos na área, e preparar os nossos estudantes para futuras apresentações científicas.
Quem levará o Prémio Nobel da Engenharia Biomédica para casa? Cabe-te a ti assistires e decidir quem levará o grande prémio!
Consulta aqui em baixo os projetos que te irão apresentar!
Francisco Melo
O Cancro da Mama é a forma mais comum de cancro, com mais de 2 milhões de novos casos diagnosticados todos os anos, afetando uma em cada oito mulheres ao longo da sua vida. Apesar de avanços na deteção precoce da doença e nas opções de tratamento, continuam a existir vários problemas nas atuais metodologias clínicas, levando a elevados custos e resultados subótimos.
Um dos principais desafios é a localização do tumor no interior da sala de operações, que atualmente está associada a métodos invasivos e imprecisos, resultando frequentemente na remoção incompleta do tecido cancerígeno e na necessidade de intervenções cirúrgicas adicionais.
Para enfrentar este problema, o Digital Surgery Lab da Fundação Champalimaud está a desenvolver um dispositivo médico inovador que combina inteligência artificial (IA) e realidade aumentada, permitindo a localização precisa e não invasiva do tumor em ambiente cirúrgico. No centro desta solução está a criação de modelos digitais da mama de alta fidelidade (gémeos digitais), gerados a partir de dados de imagiologia médica, que fornecem informação anatómica e possibilitam a simulação da deformação dos diferentes tecidos consoante a posição da paciente. Na sala de operações, um sistema integrado de deteção 3D faz a digitalização da paciente e alinha o gémeo digital ao corpo em tempo real. Por fim, através da utilização de óculos de realidade aumentada, o cirurgião é capaz de visualizar o tumor através da pele da paciente.
Este novo tipo de cirurgia de precisão, guiada por realidade aumentada e potenciada por IA, permitirá intervenções mais precisas, melhorando os fluxos clínicos e a qualidade de vida das pacientes, reduzindo simultaneamente os custos dos tratamentos.
Marta Barbosa
“Imagina partires um osso… e não precisares de parafusos, placas metálicas ou longas cirurgias para o tratar.
Agora imagina uma forma de o unir novamente — uma forma natural e precisa.
Este é o ponto de partida da proposta de doutoramento de Marta Barbosa, engenheira biomédica com formação em informática médica e engenharia mecânica.
Entre biomecânica, tecnologias térmicas e regeneração óssea, nasce uma ideia que desafia o modo como tratamos fraturas ósseas. Será esta a medicina do futuro? “
Beatriz Correia
Neste estudo, pontos de carbono (CDs) foram sintetizados a partir de folhas de chá verde secas e k-carragenina, utilizando métodos hidrotérmicos e assistidos por micro-ondas. Os CDs apresentaram morfologia semi-esférica, com dimensões de 2–3 nm e baixa eficiência de fluorescência, mas demonstraram excelente atividade antioxidante (78–93%), superior à da maioria dos CDs derivados de biomassa reportados na literatura. Em paralelo, foi obtida uma estrutura metal-orgânica à base de manganês (Mn(C₈H₄O₄)(H₂O)) através de síntese hidrotérmica e assistida por micro-ondas. O MOF apresentou uma estrutura mesoporosa (9 nm) com baixa área de superfície específica (6 m²/g) e demonstrou potencial como agente de contraste de RMN do tipo T₂. Por fim, foi preparado um sistema combinado MOF+CDs por síntese assistida por micro-ondas, confirmando a coexistência de ambas as fases. Embora o seu desempenho teranóstico ainda não possa ser avaliado, trabalhos futuros deverão centrar-se na otimização da síntese e na avaliação das suas propriedades antioxidantes e de contraste em RMN.
Mariana Lindo
A seção de impressões de um relatório de radiologia resume as principais descobertas radiológicas e desempenha um papel crítico na comunicação dessas descobertas aos médicos. No entanto, a preparação destes sumários consome muito tempo e é propensa a erros para os radiologistas. Recentemente, foram desenvolvidos vários modelos de sumarização de relatórios de radiologia. No entanto, atualmente não existe nenhum modelo capaz de resumir estes relatórios em
vários idiomas. Um modelo deste tipo poderia facilitar o desenvolvimento de modelos de Deep Learning que incorporem dados de pacientes com diferentes origens étnicas. Neste projeto, automatizou-se a geração de impressões de relatórios de radiologia em diferentes idiomas, através do fine-tuning de um modelo baseado num text-to-text Transformer multilingue, que sumarizam as principais descobertas radiológicas presentes em relatórios de radiologia em inglês, português e alemão.
Num teste cego, dois radiologistas indicaram que, pelo menos 70% dos sumários gerados pelo modelo, apresentavam qualidade igual ou superior aos sumários correspondentes escritos por humanos, sugerindo uma elevada fiabilidade clínica. Além disso, este projeto demonstrou que o modelo multilíngue superou outros modelos especializados em resumir relatórios de radiologia em apenas um idioma, assim como modelos que não foram especificamente projetados para essa tarefa, como o ChatGPT.
Daniela Silva
“A Complear surge como uma resposta inovadora à crescente e complexa paisagem regulatória da saúde digital. Fundada por Engenheiros Biomédicos, dedica-se a viabilizar o lançamento seguro e eficiente de dispositivos médicos digitais, num contexto marcado por rigorosas mudanças na regulamentação, especialmente para software.
A atuação divide-se em duas frentes: consultoria especializada em regulamentação e qualidade para dispositivos médicos e de diagnóstico in vitro; e o desenvolvimento de uma plataforma digital inovadora que pretende ser o futuro “sistema operativo” da conformidade regulatória ao longo de todo o ciclo de vida do produto. O objetivo é que as equipas de desenvolvimento estejam em conformidade desde o primeiro dia, com capacidade de configurar e escalar rapidamente as operações.
O projeto evidencia o papel crucial do Engenheiro Biomédico na gestão do ciclo de vida de produtos conformes, na análise de riscos de engenharia e segurança do utilizador, e no desenho de ensaios laboratoriais e clínicos. A Complear preenche uma lacuna crítica no mercado e valoriza a Engenharia Biomédica na área de regulatory affairs, um campo em crescimento e com elevada procura por profissionais capazes de alinhar tecnologia de ponta com requisitos normativos complexos.”
Filipe Ribeiro
Título: AI in Intensive Care: A Matter of Life or Death
Resumo: The safety and clinical outcomes of patients in intensive care units depend on the timely and effective interpretation of vast streams of data generated by monitoring and life-support systems.
Patients supported by ECMO (Extracorporeal Membrane Oxygenation) are among the most critical and complex to manage, as they present uncertain and hard-to-predict clinical trajectories while relying on a network of systems and equipment that produce high-frequency, multidomain data. Interpreting these data streams is highly challenging yet crucial for guiding therapeutic decisions that can save the patients’ live.
This project brings artificial intelligence into the heart of that challenge. Machine learning and deep learning methods are being developed to predict, several hours in advance, the clinical trajectory of ECMO patients. Preliminary results are highly promising: providing physicians with this vital window of anticipation can mean the difference between being able to intervene in time and enable recovery, and irreversible decline, potentially leading to death.
The project is being carried out at the Intensive Care Department of ULS Santa Maria in Lisbon, one of Portugal’s leading ECMO reference centers, with the collaboration of a multidisciplinary team committed to combining technology and clinical expertise to push the boundaries of critical care.
Leonor Costa Lopes
Neural dynamics are shaped by the interplay of factors such as neuronal diversity, synaptic efficacy, and a critical balance between excitatory and inhibitory (E/I) activity, all essential for maintaining brain stability. Disruptions in this balance can impair synaptic plasticity and are linked to neurological disorders, such as epilepsy.
Epilepsy affects over 65 million people worldwide and is characterized by recurrent seizures, which may be focal or generalized. Diagnosis often depends on detecting interictal epileptiform discharges (IEDs) in electroencephalograms (EEGs), a process that is time-consuming, expert dependent, and not always definitive. While automated IED detection has advanced, fewer studies have focused on distinguishing epileptic EEGs without visible IEDs from healthy EEGs.
Current treatment strategies rely mainly on anti-seizure medications (ASMs), which manage symptoms but do not address the underlying causes. Although effective in roughly 70% of cases, 30% of patients remain drug-resistant. This underscores the need for a deeper understanding of epileptogenesis to improve diagnostic methods and identify new therapeutic targets.
This study applies a mean-field model and a data-driven deep learning approach to classify routine scalp EEG recordings from healthy individuals and from patients diagnosed with focal epilepsy that appear normal on visual inspection.
The aim is to identify physiological parameters and EEG features that may serve as biomarkers, enhancing understanding of the neurophysiological mechanisms of focal epilepsy. The study also evaluates the feasibility of automatically detecting epilepsy from visually normal EEG recordings.