Trabalho de Conclusão de Curso | Graduação
URI permanente desta comunidadehttps://repositorio.insper.edu.br/handle/11224/3244
Navegar
2 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso O papel das instituições na adoção da inteligência artificial(2025) Meira, Gustavo AlvesEste estudo investiga como diferentes arranjos institucionais influenciam a adoção e governança da Inteligência Artificial (IA), analisando os impactos econômicos, políticos e sociais dessa transformação tecnológica. A pesquisa se fundamenta nos conceitos de instituições inclusivas1 e extrativas2, desenvolvidos por Acemoglu e Robinson3, para compreender como modelos institucionais distintos determinam o ritmo e a direção do progresso tecnológico. Para isso, a revisão de literatura aborda o papel das inovações disruptivas na história, com ênfase no conceito de destruição criativa, explorando como diferentes estruturas políticas e econômicas moldam a absorção de novas tecnologias. O estudo se concentra na comparação entre Estados Unidos e China, nações que representam abordagens opostas de governança da IA – a primeira baseada na inovação descentralizada e no protagonismo do setor privado, e a segunda na centralização estatal e no controle estratégico da tecnologia. Além disso, a pesquisa examina os dilemas éticos emergentes, que variam conforme o modelo de regulação adotado, com os EUA enfrentando desafios ligados à falta de uniformidade regulatória e à concentração de poder corporativo, enquanto a China avança com uma IA fortemente direcionada pelo Estado, levantando preocupações sobre vigilância e privacidade. Com base nesses achados, o estudo busca estimar como esses países deverão progredir na governança da IA no futuro, considerando seus contextos institucionais, políticas de regulação e impactos geopolíticos.Trabalho de Conclusão de Curso Triagem oncogenética modelada por IA(2024) Alves, Gabriel de Araujo; Nishio, Keiya; Rodrigues Filho, Ricardo Mourão; Costa, Sarah Azevedo Pimenta daA Triagem Oncogenética por meio de questionário modelado por Inteligência Artificial (IA) representa uma inovação significativa no diagnóstico do câncer hereditário. Este estudo propõe uma abordagem que se baseia na análise criteriosa de parâmetros de história familiar para a seleção eficiente de pacientes aptos a realizar testes genéticos, sendo reconhecida como a estratégia mais custo-efetiva disponível atualmente. Com uma extensa base de dados de aproximadamente 10 mil pacientes atendidos e testados nos últimos quatro anos pelo A.C. Camargo, esta pesquisa se apoia em uma metodologia robusta, envolvendo a implementação de modelos probabilísticos e de inferência. Um dos pontos-chave deste estudo é a possibilidade de utilização do pacote PanelPro, desenvolvido pelo laboratório Bayesmendel de Harvard, que oferece ferramentas avançadas para análise de dados genéticos. Além disso, o projeto se beneficia da expertise acumulada ao longo dos anos pelo A.C. Camargo em Oncogenética. Ao analisar uma amostra representativa de 4 mil pacientes, juntamente com os resultados de testes genéticos positivos e negativos, busca-se identificar os parâmetros que maximizam a sensibilidade, especificidade e a área sob a curva ROC (AUC), a fim de automatizar o processo de seleção de pacientes para testes genéticos. A implementação bem-sucedida desta ferramenta tem o potencial de revolucionar a prática clínica, permitindo um encaminhamento mais eficiente e direcionado aos pacientes dos centros de referência (CRs) do A.C. Camargo para o Departamento de Oncogenética. Além disso, essa abordagem pode contribuir significativamente para a identificação precoce de indivíduos com predisposição genética ao câncer, possibilitando intervenções preventivas e terapêuticas mais eficazes. Em última análise, esse avanço tecnológico promete impactar positivamente a qualidade de vida e o prognóstico dos pacientes e suas famílias, representando um importante passo rumo à medicina personalizada e de precisão no combate ao câncer hereditário.