Portfólio

Projetos

Casos selecionados e projetos em IA aplicada, saúde, MLOps e produtos de dados.

Casos em destaque

Casos com contexto, decisão e resultado explicitados para leitura mais editorial.

Destaque
Fator Noronha — quanto custa viver num arquipélago?
Estudo de caso
Como uma parceria entre a UPE e a Autarquia de Fernando de Noronha mobilizou econometria aplicada e modelagem computacional para decompor as diferenças de preços entre o arquipélago e o continente — e o que isso ensinou sobre aplicar ciência de dados onde o problema é de política pública, não de produto.
Contexto
Fernando de Noronha tem custo de vida cronicamente elevado em relação ao continente. A Autarquia Territorial e a UPE precisavam de um diagnóstico rigoroso: quanto do diferencial é custo logístico inevitável e quanto é ineficiência evitável — e onde intervir primeiro.
Decisão
Estruturar a pesquisa como um problema de decomposição econométrica: construir uma cesta representativa de preços, modelar os determinantes do diferencial por componente (transporte, escala, tributação, estrutura de mercado) e simular cenários de intervenção logística com modelagem computacional.
Resultado
Pesquisa em andamento com bolsa da Autarquia via PROPEGI/UPE, produzindo diagnósticos estruturados que alimentam decisões de política pública sobre logística e abastecimento da ilha.
Destaque
Suporte à Decisão Clínica para Insuficiência Cardíaca: das diretrizes ao código
Estudo de caso
Como um sistema de triagem de medicamentos para hipertensão e insuficiência cardíaca foi construído traduzindo diretrizes clínicas da AHA em bases de conhecimento estruturadas, modelos preditivos e uma API em produção — e o que esse processo ensinou sobre o gap entre conhecimento médico e software funcionando.
Contexto
A Vitally Health constrói ferramentas de suporte à decisão clínica para cardiologistas e gestores de cuidado. O desafio: a titulação de medicamentos para pacientes com HFrEF/HFpEF é complexa, orientada por diretrizes e altamente individualizada — mas as diretrizes são escritas para clínicos, não para código.
Decisão
Projetar um sistema híbrido de regras e modelo que codifica as diretrizes da AHA como regras de negócio estruturadas, usa ML para ranquear opções de titulação de medicamentos e serve decisões via FastAPI + AWS Lambda.
Resultado
Uma API de suporte à decisão clínica em produção integrando análise preditiva à plataforma de cuidado, com ranqueamento de medicamentos que equilibra personalização, segurança e conformidade com diretrizes.

Projetos

Outros trabalhos que completam o portfólio.

Projetos

Fator Noronha — quanto custa viver num arquipélago?

Suporte à Decisão Clínica para Insuficiência Cardíaca: das diretrizes ao código

ai-dat — Template de Deploy de IA

Metametrics — Visão Computacional para Controle de Qualidade

SimpleCPT — Codificação Clínica Automatizada