A cirurgia conservadora da mama tem como objetivo remover tumores, preservando o máximo de tecido mamário saudável possível, garantindo resultados estéticos ideais que são críticos para a qualidade de vida de um(a) paciente. Para alcançar este objetivo, é necessária a localização precisa do tumor durante a cirurgia, que normalmente é realizada com o(a) paciente deitado(a) de barriga para cima. Para planear o procedimento, os cirurgiões dependem de tecnologias de imagem médica que geralmente fornecem perspetivas limitadas devido às condições em que as imagens são capturadas. Por exemplo, os exames de MRI são realizados com o(a) paciente deitado(a) de barriga para baixo, fazendo com que a mama comprima e deforme, enquanto digitalizações 3D capturam a forma natural da mama na posição vertical. Como nenhum dos métodos de imagem reflete a posição real da mama durante a cirurgia, a fusão de imagens radiológicas internas (por exemplo, MRI) com imagens de superfície externa (por exemplo, digitalizações 3D) num modelo unificado é essencial para criar uma representação realista da mama.

Início / Publicações / Publicação

Início / Publicações / Publicação

Rastreio do cancro da mama
Imagem reproduzida do artigo.

MELHORIA NA LOCALIZAÇÃO DE TUMORES NA MAMA COM UM ALGORITMO DE FUSÃO DE IMAGENS

Tipo de publicação: Resumo do Artigo
Título original: 3D digital breast cancer models with multimodal fusion algorithms
Data de publicação do artigo: Fevereiro de 2020
Fonte: Repositório da Universidade Nova de Lisboa
Autores: Sílvia Bessa, Pedro Gouveia, Pedro Carvalho, Cátia Rodrigues, Nuno Silva, Fátima Cardoso, Jaime Cardoso, Hélder Oliveira & Maria João Cardoso

Qual é o objetivo, público-alvo e áreas da saúde digital em que se enquadra?
     O principal objetivo deste artigo é validar um algoritmo de fusão que integra imagens de Ressonância Magnética (Magnetic Resonance Imaging, MRI) e digitalizações 3D de superfícies para melhorar a localização do tumor em pacientes com cancro da mama. O público-alvo inclui cirurgiões, radiologistas e investigadores clínicos. O estudo aborda as áreas de imagem médica, processamento de imagem, cirurgia assistida por computador e realidade aumentada para a cirurgia.

Qual é o contexto?
     A cirurgia conservadora da mama tem como objetivo remover tumores, preservando o máximo de tecido mamário saudável possível, garantindo resultados estéticos ideais que são críticos para a qualidade de vida de um(a) paciente. Para alcançar este objetivo, é necessária a localização precisa do tumor durante a cirurgia, que normalmente é realizada com o(a) paciente deitado(a) de barriga para cima.

     Para planear o procedimento, os cirurgiões dependem de tecnologias de imagem médica que geralmente fornecem perspetivas limitadas devido às condições em que as imagens são capturadas. Por exemplo, os exames de MRI são realizados com o(a) paciente deitado(a) de barriga para baixo, fazendo com que a mama comprima e deforme, enquanto digitalizações 3D capturam a forma natural da mama na posição vertical. Como nenhum dos métodos de imagem reflete a posição real da mama durante a cirurgia, a fusão de imagens radiológicas internas (por exemplo, MRI) com imagens de superfície externa (por exemplo, digitalizações 3D) num modelo unificado é essencial para criar uma representação realista da mama. No entanto, alinhar estes conjuntos de dados é um desafio não apenas devido às diferentes posições em que as imagens são capturadas, mas também pela limitada disponibilidade de pontos de referência anatómicos para o alinhamento. Para resolver este problema, podem ser utilizados pontos de referência artificiais, tais como marcas feitas com marcadores; no entanto, estes pontos não são visíveis na MRI, uma vez que esta capta apenas estruturas internas. Como alternativa, cápsulas de óleo de fígado de bacalhau oferecem uma solução de baixo custo e prontamente disponível, proporcionando um contraste na MRI devido ao seu teor de gordura.

Quais são as abordagens atuais?
     As abordagens atuais para a fusão de imagens mamárias normalmente concentram-se no alinhamento de dados radiológicos ou de digitalizações 3D de forma independente, em vez de integrar ambos num modelo 3D unificado.

     Uma abordagem utilizada são os modelos biomecânicos, que simulam como o tecido mamário se move e muda de forma entre diferentes posições. Estes modelos baseiam-se em equações matemáticas para prever o comportamento do tecido em detalhe, gerando simulações realistas. No entanto, eles são intensivos em termos computacionais, suscetíveis a introduzir distorções na forma da mama e frequentemente incapazes de refletir as propriedades únicas da mama de cada paciente.

     Outro método envolve modelos não-físicos como o modelo Free Form Deformation (FFD), que usa uma ” grelha” flexível de pontos de controlo para ajustar a forma das imagens. Esta técnica dobra e alonga diretamente as imagens para alinhá-las, oferecendo uma alternativa mais rápida e simples do que os modelos biomecânicos. No entanto, o FFD apresenta limitações em termos de realismo físico e pode gerar resultados menos precisos, pois não considera o comportamento natural do tecido mamário.

     A combinação destes dois métodos — utilizando modelos biomecânicos para simulações mais realistas e FFD para ajustes no alinhamento — mostra-se promissora, mas ainda enfrenta desafios, como a validação clínica limitada.

Em que consiste a inovação? Como foi avaliado o impacto desta tecnologia?
     A inovação deste estudo reside no desenvolvimento e validação de um algoritmo de fusão que integra dados de MRI e dados de digitalizações 3D para criar modelos 3D de mamas unificados e específicos para cada paciente, destinados a apoiar o planeamento cirúrgico.

     O protocolo começa com a aquisição de dados, onde ambas as imagens de MRI e digitalizações 3D são obtidas. Em seguida, os radiologistas usam o software Horos R para identificar e delinear tumores em exames de MRI, calculando o seu volume para criar um modelo 3D do tumor que é, então, sobreposto ao conjunto de dados de MRI original. Para preparar a fusão, dois conjuntos de dados de MRI são criados com o tumor marcado: MRIprone (uma imagem com o MRI original sem processamento biomecânico) e MRIup (uma imagem ajustada com um modelo biomecânico para simular a imagem na posição vertical obtida na digitalização 3D).

     Ambos os conjuntos de dados MRIprone e MRIup são submetidos ao algoritmo de fusão, que os integra com digitalizações 3D usando dois tipos de estratégias de alinhamento: fusão mamária individual, onde cada mama é fundida independentemente, com o lado correspondente da mama na digitalização 3D e a fusão completa do tronco, onde ambos, as mamas e o tronco são fundidos como uma única unidade. O alinhamento realizado implica a sobreposição dos contornos de ambos os conjuntos de imagem. Esta etapa depende de pontos de referência anatómicos, bem como pontos de referência artificiais, conhecidos como Marcadores da Superfície da Mama (Breast Surface Markers, BSM). Estes pontos são criados usando marcadores permanentes pretos na mama e no tronco antes da aquisição de digitalizações 3D ou cápsulas de óleo de fígado de bacalhau nas mesmas posições antes da aquisição de MRI, garantindo uma correspondência entre as duas modalidades de imagem.

     Em seguida, o algoritmo de fusão aplica ajustes FFD para compensar as diferenças residuais na forma da mama causadas por fatores como variações nas posições da imagem, deformações dos tecidos moles e efeitos gravitacionais. Durante a FFD, a localização do tumor, inicialmente delineada pelos dados de MRI, é cuidadosamente ajustada para se alinhar com o modelo 3D de mamas fundido.

     Sete pacientes com cancro da mama elegíveis para a cirurgia conservadora no Centro Clínico Champalimaud, em Portugal, participaram na validação do algoritmo de fusão com a aplicação dos BSM. O objetivo foi também identificar a abordagem mais eficaz de deteção dos tumores pelo algoritmo, comparando a fusão de digitalizações 3D com dados obtidos em MRIprone e em MRIup e o alinhamento de fusão mamária individual com a fusão completa do tronco.

     O desempenho da tecnologia foi avaliado utilizando dois métodos complementares: o erro de registo do alvo (Target Registration Error, TRE) e a validação qualitativa da localização tumoral. O TRE quantifica a precisão do alinhamento entre a MRI e a digitalização 3D medindo a distância euclidiana – uma distância em linha reta no espaço 3D – entre os pontos correspondentes de BSM em ambos os conjuntos de dados, fornecendo uma métrica objetiva para a precisão da fusão. Além disso, a validação qualitativa foi conduzida por um cirurgião da mama, que comparou a localização do tumor no modelo 3D de mamas com registos clínicos, anotações cirúrgicas e marcadores visíveis na pele para garantir que a posição do tumor está representada com precisão no modelo final.

Quais são os principais resultados? Qual é o impacto destes resultados? Qual é o futuro desta tecnologia?
     O algoritmo de fusão criou com sucesso modelos 3D de mamas precisos e demonstrou um desempenho robusto em diferentes anatomias de pacientes, uma vez que não foi significativamente influenciado por variações no volume das mamas.

     Os resultados mostraram que a fusão mamária individual com MRIprone proporcionou uma localização tumoral mais precisa, apesar de ter valores de TRE ligeiramente mais elevados, indicando uma pequena discrepância no alinhamento dos conjuntos de dados. Especificamente, o TRE para a fusão mamária individual com MRIprone foi de 26,26 ± 6,61 mm, em comparação com um TRE menor de 18,5 ± 3,88 mm para a fusão mamária individual com MRIup. No entanto, o uso de um modelo biomecânico na MRIup introduziu artefactos como o alongamento axial e o deslocamento lateral, que impactaram negativamente a precisão da localização do tumor. A análise qualitativa também confirmou que a localização do tumor foi mais precisa em 80% dos casos com MRIprone. Em contraste, as abordagens de fusão completa do tronco exibiram pior desempenho no geral.

     Os resultados abrem caminho para imagens do cancro da mama mais específicas para cada paciente na prática clínica. O algoritmo validado elimina a necessidade de modelos biomecânicos complexos, oferecendo uma solução mais simples para a localização do tumor. Esta abordagem apoia a automação, melhora o planeamento pré-operatório e aumenta a precisão cirúrgica nos tratamentos de conservação da mama. A capacidade de gerar modelos 3D precisos também possibilita a integração de realidade aumentada, fornecendo aos cirurgiões uma visualização em tempo real da localização do tumor durante as operações, o que se prevê melhorar os resultados dos pacientes.

     O futuro envolve obter imagens de MRI em posição de barriga para cima, aproximando as condições de aquisição de imagens com os cenários cirúrgicos, o que permitirá melhorar a precisão na localização do tumor. É também preciso ao aumentar os conjuntos de dados com mais participantes e integrar machine learning para aprimorar o desempenho do algoritmo e permitir a previsão de transformações na forma da mama. A utilização de óculos de realidade aumentada, com a sobreposição de modelos 3D de mamas em contextos reais, pode revolucionar a cirurgia, permitindo a visualização direta da localização do tumor, tornando os procedimentos mais precisos e eficientes.

Interessado em saber todos os detalhes?

Saiba mais aqui
Voz em IA

O futuro do diagnóstico: Fala e IA

A fala é um biomarcador que reflete, de forma sensível, o funcionamento integrado de vários sistemas fisiológicos, nomeadamente o nervoso, o respiratório e o muscular….

Ler mais
TEF-HEALTH Logo

SPMS integra a iniciativa TEF-Health

A SPMS participa na iniciativa TEF-Health como parceira de um consórcio composto por 51 entidades de 9 países da União Europeia. Esta ação é cofinanciada…

Ler mais

tem uma ideia inovadora
na área da saúde?

Partilhe-a connosco e veja-a ganhar vida.
Ajudamos a dar vida aos seus projetos!

Partilhar a minha ideia

Newsletter

Receba as novidades do
Portal InovarSaúde

Subscrever

Suporte

Perguntas Frequentes

Contactos

Manual do Utilizador

República Portuguesa logo
logotipo SNS
SPMS logotipo

Acompanhe-nos

YouTube
LinkedIn

Cofinanciado por :

PRR Logotipo
república Portuguesa logo
União Europeia Logo

Newsletter

Receba as novidades do
Portal InovarSaúde

Subscrever

Suporte

Perguntas Frequentes

Contactos

Manual do Utilizador

República Portuguesa logo
SNS Logo
SPMS Logo

Acompanhe-nos

Cofinanciado por :

PRR Logotipo
República Portuguesa logo
União Europeia Logo

Início / Publicações / Publicação

Rastreio do cancro da mama
Imagem reproduzida do artigo.

MELHORIA NA LOCALIZAÇÃO DE TUMORES NA MAMA COM UM ALGORITMO DE FUSÃO DE IMAGENS

Tipo de publicação: Resumo do Artigo
Título original: 3D digital breast cancer models with multimodal fusion algorithms
Data de publicação do artigo: Fevereiro de 2020
Fonte: Repositório da Universidade Nova de Lisboa
Autores: Sílvia Bessa, Pedro Gouveia, Pedro Carvalho, Cátia Rodrigues, Nuno Silva, Fátima Cardoso, Jaime Cardoso, Hélder Oliveira & Maria João Cardoso

Qual é o objetivo, público-alvo e áreas da saúde digital em que se enquadra?
     O principal objetivo deste artigo é validar um algoritmo de fusão que integra imagens de Ressonância Magnética (Magnetic Resonance Imaging, MRI) e digitalizações 3D de superfícies para melhorar a localização do tumor em pacientes com cancro da mama. O público-alvo inclui cirurgiões, radiologistas e investigadores clínicos. O estudo aborda as áreas de imagem médica, processamento de imagem, cirurgia assistida por computador e realidade aumentada para a cirurgia.

Qual é o contexto?
     A cirurgia conservadora da mama tem como objetivo remover tumores, preservando o máximo de tecido mamário saudável possível, garantindo resultados estéticos ideais que são críticos para a qualidade de vida de um(a) paciente. Para alcançar este objetivo, é necessária a localização precisa do tumor durante a cirurgia, que normalmente é realizada com o(a) paciente deitado(a) de barriga para cima.

     Para planear o procedimento, os cirurgiões dependem de tecnologias de imagem médica que geralmente fornecem perspetivas limitadas devido às condições em que as imagens são capturadas. Por exemplo, os exames de MRI são realizados com o(a) paciente deitado(a) de barriga para baixo, fazendo com que a mama comprima e deforme, enquanto digitalizações 3D capturam a forma natural da mama na posição vertical. Como nenhum dos métodos de imagem reflete a posição real da mama durante a cirurgia, a fusão de imagens radiológicas internas (por exemplo, MRI) com imagens de superfície externa (por exemplo, digitalizações 3D) num modelo unificado é essencial para criar uma representação realista da mama. No entanto, alinhar estes conjuntos de dados é um desafio não apenas devido às diferentes posições em que as imagens são capturadas, mas também pela limitada disponibilidade de pontos de referência anatómicos para o alinhamento. Para resolver este problema, podem ser utilizados pontos de referência artificiais, tais como marcas feitas com marcadores; no entanto, estes pontos não são visíveis na MRI, uma vez que esta capta apenas estruturas internas. Como alternativa, cápsulas de óleo de fígado de bacalhau oferecem uma solução de baixo custo e prontamente disponível, proporcionando um contraste na MRI devido ao seu teor de gordura.

Quais são as abordagens atuais?
     As abordagens atuais para a fusão de imagens mamárias normalmente concentram-se no alinhamento de dados radiológicos ou de digitalizações 3D de forma independente, em vez de integrar ambos num modelo 3D unificado.

     Uma abordagem utilizada são os modelos biomecânicos, que simulam como o tecido mamário se move e muda de forma entre diferentes posições. Estes modelos baseiam-se em equações matemáticas para prever o comportamento do tecido em detalhe, gerando simulações realistas. No entanto, eles são intensivos em termos computacionais, suscetíveis a introduzir distorções na forma da mama e frequentemente incapazes de refletir as propriedades únicas da mama de cada paciente.

     Outro método envolve modelos não-físicos como o modelo Free Form Deformation (FFD), que usa uma ” grelha” flexível de pontos de controlo para ajustar a forma das imagens. Esta técnica dobra e alonga diretamente as imagens para alinhá-las, oferecendo uma alternativa mais rápida e simples do que os modelos biomecânicos. No entanto, o FFD apresenta limitações em termos de realismo físico e pode gerar resultados menos precisos, pois não considera o comportamento natural do tecido mamário.

     A combinação destes dois métodos — utilizando modelos biomecânicos para simulações mais realistas e FFD para ajustes no alinhamento — mostra-se promissora, mas ainda enfrenta desafios, como a validação clínica limitada.

Em que consiste a inovação? Como foi avaliado o impacto desta tecnologia?
     A inovação deste estudo reside no desenvolvimento e validação de um algoritmo de fusão que integra dados de MRI e dados de digitalizações 3D para criar modelos 3D de mamas unificados e específicos para cada paciente, destinados a apoiar o planeamento cirúrgico.

     O protocolo começa com a aquisição de dados, onde ambas as imagens de MRI e digitalizações 3D são obtidas. Em seguida, os radiologistas usam o software Horos R para identificar e delinear tumores em exames de MRI, calculando o seu volume para criar um modelo 3D do tumor que é, então, sobreposto ao conjunto de dados de MRI original. Para preparar a fusão, dois conjuntos de dados de MRI são criados com o tumor marcado: MRIprone (uma imagem com o MRI original sem processamento biomecânico) e MRIup (uma imagem ajustada com um modelo biomecânico para simular a imagem na posição vertical obtida na digitalização 3D).

     Ambos os conjuntos de dados MRIprone e MRIup são submetidos ao algoritmo de fusão, que os integra com digitalizações 3D usando dois tipos de estratégias de alinhamento: fusão mamária individual, onde cada mama é fundida independentemente, com o lado correspondente da mama na digitalização 3D e a fusão completa do tronco, onde ambos, as mamas e o tronco são fundidos como uma única unidade. O alinhamento realizado implica a sobreposição dos contornos de ambos os conjuntos de imagem. Esta etapa depende de pontos de referência anatómicos, bem como pontos de referência artificiais, conhecidos como Marcadores da Superfície da Mama (Breast Surface Markers, BSM). Estes pontos são criados usando marcadores permanentes pretos na mama e no tronco antes da aquisição de digitalizações 3D ou cápsulas de óleo de fígado de bacalhau nas mesmas posições antes da aquisição de MRI, garantindo uma correspondência entre as duas modalidades de imagem.

     Em seguida, o algoritmo de fusão aplica ajustes FFD para compensar as diferenças residuais na forma da mama causadas por fatores como variações nas posições da imagem, deformações dos tecidos moles e efeitos gravitacionais. Durante a FFD, a localização do tumor, inicialmente delineada pelos dados de MRI, é cuidadosamente ajustada para se alinhar com o modelo 3D de mamas fundido.

     Sete pacientes com cancro da mama elegíveis para a cirurgia conservadora no Centro Clínico Champalimaud, em Portugal, participaram na validação do algoritmo de fusão com a aplicação dos BSM. O objetivo foi também identificar a abordagem mais eficaz de deteção dos tumores pelo algoritmo, comparando a fusão de digitalizações 3D com dados obtidos em MRIprone e em MRIup e o alinhamento de fusão mamária individual com a fusão completa do tronco.

     O desempenho da tecnologia foi avaliado utilizando dois métodos complementares: o erro de registo do alvo (Target Registration Error, TRE) e a validação qualitativa da localização tumoral. O TRE quantifica a precisão do alinhamento entre a MRI e a digitalização 3D medindo a distância euclidiana – uma distância em linha reta no espaço 3D – entre os pontos correspondentes de BSM em ambos os conjuntos de dados, fornecendo uma métrica objetiva para a precisão da fusão. Além disso, a validação qualitativa foi conduzida por um cirurgião da mama, que comparou a localização do tumor no modelo 3D de mamas com registos clínicos, anotações cirúrgicas e marcadores visíveis na pele para garantir que a posição do tumor está representada com precisão no modelo final.

Quais são os principais resultados? Qual é o impacto destes resultados? Qual é o futuro desta tecnologia?
     O algoritmo de fusão criou com sucesso modelos 3D de mamas precisos e demonstrou um desempenho robusto em diferentes anatomias de pacientes, uma vez que não foi significativamente influenciado por variações no volume das mamas.

     Os resultados mostraram que a fusão mamária individual com MRIprone proporcionou uma localização tumoral mais precisa, apesar de ter valores de TRE ligeiramente mais elevados, indicando uma pequena discrepância no alinhamento dos conjuntos de dados. Especificamente, o TRE para a fusão mamária individual com MRIprone foi de 26,26 ± 6,61 mm, em comparação com um TRE menor de 18,5 ± 3,88 mm para a fusão mamária individual com MRIup. No entanto, o uso de um modelo biomecânico na MRIup introduziu artefactos como o alongamento axial e o deslocamento lateral, que impactaram negativamente a precisão da localização do tumor. A análise qualitativa também confirmou que a localização do tumor foi mais precisa em 80% dos casos com MRIprone. Em contraste, as abordagens de fusão completa do tronco exibiram pior desempenho no geral.

     Os resultados abrem caminho para imagens do cancro da mama mais específicas para cada paciente na prática clínica. O algoritmo validado elimina a necessidade de modelos biomecânicos complexos, oferecendo uma solução mais simples para a localização do tumor. Esta abordagem apoia a automação, melhora o planeamento pré-operatório e aumenta a precisão cirúrgica nos tratamentos de conservação da mama. A capacidade de gerar modelos 3D precisos também possibilita a integração de realidade aumentada, fornecendo aos cirurgiões uma visualização em tempo real da localização do tumor durante as operações, o que se prevê melhorar os resultados dos pacientes.

     O futuro envolve obter imagens de MRI em posição de barriga para cima, aproximando as condições de aquisição de imagens com os cenários cirúrgicos, o que permitirá melhorar a precisão na localização do tumor. É também preciso ao aumentar os conjuntos de dados com mais participantes e integrar machine learning para aprimorar o desempenho do algoritmo e permitir a previsão de transformações na forma da mama. A utilização de óculos de realidade aumentada, com a sobreposição de modelos 3D de mamas em contextos reais, pode revolucionar a cirurgia, permitindo a visualização direta da localização do tumor, tornando os procedimentos mais precisos e eficientes.

Interessado em saber todos os detalhes?

Saiba mais aqui
Cadeira de rodas

Mobilidade autónoma de doentes em ambiente hospitalar

O transporte interno de doentes em instituições de saúde, embora à primeira vista possa parecer uma tarefa simples, representa uma operação logística complexa, contínua, exigente e demorada, que atravessa todos os níveis da organização hospitalar….

Ler mais
Voz em IA

O futuro do diagnóstico: Fala e IA

A fala é um biomarcador que reflete, de forma sensível, o funcionamento integrado de vários sistemas fisiológicos, nomeadamente o nervoso, o respiratório e o muscular. Esta complexidade torna-a um recurso promissor para a deteção de…

Ler mais
Literatura sobre os cuidados de saúde no futuro

O que revela a literatura sobre os cuidados de saúde no futuro

O setor da saúde vive uma transformação acelerada impulsionada pelo envelhecimento populacional, pela complexidade dos cuidados e pelos avanços digitais, num cenário que exige maior integração, sustentabilidade e adaptação a novas realidades como o Espaço…

Ler mais
Perturbação do sono

Uma intervenção digital para a Insónia em Oncologia

A insónia é uma perturbação do sono caracterizada por dificuldades persistentes em iniciar o sono, mantê-lo durante a noite ou alcançar um sono de qualidade. Estas dificuldades surgem mesmo na presença de condições adequadas para…

Ler mais
Sistema robótico autónomo INSIDE

Sistema robótico autónomo para a terapia do autismo

O transtorno do espetro do autismo é uma condição do neurodesenvolvimento com repercussões clínicas, sociais e económicas significativas ao longo da vida. Segundo a Organização Mundial de Saúde, estima-se que afete aproximadamente 1 em cada…

Ler mais
troca de informações de saúde e interoperabilidade

A nova era da interoperabilidade em sistemas de saúde

A crescente utilização de registos eletrónicos de saúde, sistemas de diagnóstico digital e tecnologias de monitorização remota tem levado a um aumento expressivo no volume e na complexidade dos dados em saúde. Este aumento intensifica…

Ler mais
robótica colaborativa

Robótica colaborativa melhora as condições de trabalho

Os trabalhadores enfrentam desafios crescentes no ambiente industrial. Entre os mais críticos estão a fadiga e as posturas inadequadas, frequentemente associadas a tarefas repetitivas e a condições de trabalho que carecem de adequação ergonómica. Estes…

Ler mais
Benefícios da Eletrônica Médica

Deteção da ansiedade e de ataques de pânico em tempo real

O crescente número de pessoas com transtornos de ansiedade, juntamente com o aumento da conscientização sobre a saúde mental, impulsiona a necessidade de novas ferramentas tecnológicas que forneçam a monitorização remota e contínua de transtornos…

Ler mais
Personalização e tecnologia na gestão da Diabetes

Personalização e tecnologia na gestão da diabetes

A crescente prevalência de doenças crónicas, particularmente DM, está a sobrecarregar os sistemas de saúde globais e a aumentar os custos dos cuidados de saúde devido à complexidade dos cuidados e à fraca integração, resultando…

Ler mais
TEF-HEALTH Logo

SPMS integra a iniciativa TEF-Health

A SPMS participa na iniciativa TEF-Health como parceira de um consórcio composto por 51 entidades de 9 países da União Europeia. Esta ação é cofinanciada pela Comissão Europeia e tem uma duração de cinco anos….

Ler mais
Global Digital Health Partnership Logo

SPMS representa Portugal como vice-presidente da GDHP

A GDHP é uma organização intergovernamental da área da saúde digital que facilita a cooperação e colaboração entre representantes governamentais e a Organização Mundial da Saúde (OMS), cujo propósito é fomentar o desenvolvimento de políticas…

Ler mais
HealthData@PT Logo

HealthData@PT: Nova iniciativa da SPMS para dados de saúde

A ação HealthData@PT é lançada no contexto da implementação do Espaço Europeu de Dados de Saúde, sendo uma iniciativa aprovada pela Comissão Europeia no âmbito do programa EU4Health 2021-2027. Esta iniciativa contribui para a transformação…

Ler mais

tem uma ideia inovadora
na área da saúde?

Partilhe-a connosco e veja-a ganhar vida.
Ajudamos a dar vida aos seus projetos!

Partilhar a minha ideia

Newsletter

Receba as novidades do
Portal InovarSaúde

Subscrever

Suporte

Perguntas Frequentes

Contactos

Manual do Utilizador

República Portuguesa logo
SNS Logo
SPMS Logo

Acompanhe-nos

YouTube
LinkedIn

Cofinanciado por :

PRR Logotipo
República Portuguesa logo
União Europeia Logo
Scroll to Top