A importância dos princípios FAIR no uso de aplicativos de saúde e bem-estar baseados em Inteligência Artificial
DOI:
https://doi.org/10.82524/recal.2026.190Palavras-chave:
Princípios FAIR, inteligência artificial explicável (XAI), Saude DigitalResumo
A transformação digital na saúde tem sido impulsionada pela ciência aberta, pelo aumento do uso de dispositivos móveis e pela produção crescente de dados digitais. Nesse contexto, a gestão adequada de dados de pesquisa tornou-se essencial, sendo os princípios FAIR (Findable, Accessible, Interoperable e Reusable) referência para organização, compartilhamento e reutilização responsável de informações, incluindo dados comportamentais de aplicativos móveis de saúde. Paralelamente, técnicas de Aprendizado de Máquina permitem analisar padrões de uso, prever comportamentos e apoiar o monitoramento de pacientes com doenças crônicas, como hipertensão e diabetes. Este estudo propõe o desenvolvimento de um protótipo de aplicativo móvel de saúde baseado em Aprendizado de Máquina, estruturado segundo os princípios FAIR, com o objetivo de prever padrões de uso, identificar riscos de abandono e promover interoperabilidade e transparência. A metodologia envolve engenharia de software incremental, coleta de dados com metadados padronizados, avaliação de modelos preditivos por métricas como acurácia e F1-score, além de testes de interoperabilidade e análise da explicabilidade das predições (Explainable AI). Espera-se que a integração de FAIR e Aprendizado de Máquina resulte em dados confiáveis, auditáveis e reutilizáveis, fortalecendo intervenções personalizadas, a governança de dados em saúde digital e a geração de conhecimento científico em ciência aberta.
Downloads
Referências
Mons, B. (2020). Invest 5% of research funds in ensuring data are reusable. Nature, 578(7796), 491. https://doi.org/10.1038/d41586-020-00505-7
Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., … Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018. https://doi.org/10.1038/sdata.2016.18
Firmansyah, E. B., Machado, M. R., & Moreira, J. L. R. (2024). How can Artificial Intelligence (AI) be used to manage Customer Lifetime Value (CLV)—A systematic literature review. International Journal of Information Management Data Insights, 4(2), Article 100452. https://doi.org/10.1016/j.jjimei.2024.100279
Duckworth, C., Cliffe, B., Pickering, B., Ainsworth, B., Blythin, A., Kirk, A., Wilkinson, T. M. A., & Boniface, M. J. (2024). Characterising user engagement with mHealth for chronic disease self-management and impact on machine learning performance. npj Digital Medicine, 7, Article 66. https://doi.org/10.1038/s41746-024-01063-2
Guizzardi, R., Amaral, G., Guizzardi, G., & Mylopoulos, J. (2023). An ontology-based approach to engineering ethicality requirements. Software and Systems Modeling, 22(6), 1897–1923. https://doi.org/10.1007/s10270-023-01115-3.
Downloads
Publicado
Edição
Secção
Categorias
Licença
Direitos de Autor (c) 2026 Victor Vieira Veiga (Autor)

Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.




