flowchart TD
M01["Introdução<br/>Tecnologia e Inovação"]
M02["STARTUP:<br/>Conceituando HealthTech"]
M03["Inteligência Artificial"]
M04["Telemedicina"]
M05["Palestra + Consolidação"]
M06["Agentes de IA"]
M07["Realidade Virtual e Aumentada"]
M08["Biotecnologia"]
M09["STARTUP<br/>Design Thinking e Empatia"]
M10["STARTUP<br/>Mapa de Empatia e Jornada"]
M11["Segurança da Informação"]
M12["STARTUP<br/>Ideação: Brainstorm e Crazy 8s"]
M13["STARTUP<br/>Solução e Proposta de Valor"]
M14["STARTUP<br/>Proto tipação"]
M15["STARTUP<br/>Validação e Modelo de Negócio"]
PITCH["Pitch Final<br/>Banca Avaliadora"]
M01 --> M02 --> M03 --> M04 --> M05 --> M06 --> M07 --> M08
M08 --> M09 --> M10 --> M11 --> M12 --> M13 --> M14 --> M15 --> PITCH
M03 -. "IA pode compor a solução" .-> M12
M04 -. "regulação condiciona o modelo" .-> M13
M06 -. "agentes integram o produto" .-> M13
M07 -. "RV/RA como recurso terapêutico" .-> M13
M08 -. "biotecnologia como base da solução" .-> M13
M11 -. "segurança como requisito de produto" .-> M14
M09 -. "método de empatia" .-> M10
M10 -. "usuário definido orienta ideação" .-> M12
classDef startup fill:#d4edda,stroke:#28a745,color:#155724
classDef teorico fill:#d1ecf1,stroke:#17a2b8,color:#0c5460
classDef palestra fill:#fff3cd,stroke:#ffc107,color:#856404
classDef avaliacao fill:#f8d7da,stroke:#dc3545,color:#721c24
class M02,M09,M10,M12,M13,M14,M15 startup
class M01,M03,M04,M06,M07,M08,M11 teorico
class M05 palestra
class PITCH avaliacao
Plano de Aulas — Tecnologia e Inovação em Saúde
Este documento é o guia pedagógico completo da disciplina “Tecnologia e Inovação em Saúde”, destinado ao professor. Ele detalha, para cada um dos 15 módulos, os objetivos de aprendizagem, as competências e habilidades a serem desenvolvidas, o sumário do conteúdo, as estratégias pedagógicas recomendadas, os pontos críticos que exigem atenção especial na tutoria e as atividades presenciais. Leia-o integralmente antes do início do semestre e retorne a cada seção na semana correspondente ao módulo.
Arquitetura pedagógica do semestre
A disciplina está organizada em 15 módulos semanais, seguidos de uma semana de apresentação final em formato pitch. O semestre combina dois eixos que se desenvolvem em paralelo e se alimentam mutuamente: o eixo teórico-prático, voltado aos grandes temas tecnológicos da medicina contemporânea, e o eixo do projeto integrador, voltado ao desenvolvimento progressivo de uma HealthTech por grupos de cinco a seis estudantes.
Os módulos assumem três formatos distintos, com mecânicas de aula igualmente distintas:
Os módulos teórico-práticos (Módulos 1, 3, 4, 6, 7, 8 e 11) são dedicados a conteúdos tecnológicos com elevado grau de fundamentação conceitual. Nos primeiros 50 minutos, o professor conduz exposição dialogada sobre o tema, integrando perguntas aos estudantes e promovendo análise crítica de casos. Nos 150 minutos restantes, os estudantes realizam atividades práticas em laboratório de informática, sob orientação docente disponível de forma contínua.
Os módulos de projeto (Módulos 2, 9, 10, 12, 13, 14 e 15) são organizados em torno do desenvolvimento da HealthTech. Nos primeiros 30 minutos, o professor apresenta o tema do módulo e conecta o conteúdo à etapa do projeto que será trabalhada. Depois, os grupos desenvolvem suas startups com orientação tutorial do professor, que circula entre as equipes, faz perguntas provocadoras, media conflitos de direção e sinaliza quando o grupo está operando com hipóteses não testadas.
O módulo de palestra (Módulo 5) conta com um convidado externo nos primeiros 60 minutos, seguido de 140 minutos de trabalho nos projetos com ênfase na consolidação e revisão das hipóteses iniciais à luz dos módulos teóricos anteriores.
O diagrama a seguir representa o fluxo de aprendizagem ao longo do semestre e as relações entre os módulos:
As setas pontilhadas representam relações de dependência intelectual entre módulos não adjacentes: o conteúdo de um módulo teórico informa decisões tomadas em módulos de projeto posteriores. Essas relações devem ser explicitadas pelo professor nas transições entre etapas do semestre, de modo que os estudantes compreendam que o vocabulário técnico adquirido nos módulos de conteúdo não é um fim em si mesmo, mas um instrumento a serviço do projeto.
Módulo 1 — Introdução: Tecnologia e Inovação na Medicina
Formato: Teórico-Prático | 50 min exposição + 150 min laboratório de informática
Objetivo da aula
Situar o estudante no panorama histórico e contemporâneo da transformação tecnológica em saúde, construindo o quadro de referência conceitual que orientará a leitura crítica dos módulos subsequentes. Ao final desta aula, o estudante deve ser capaz de contextualizar as inovações tecnológicas em medicina dentro de uma perspectiva histórica, distinguir inovação incremental de inovação disruptiva com exemplos clínicos concretos, e identificar os principais atores do ecossistema de HealthTechs no Brasil e no mundo.
Competências a serem desenvolvidas
O estudante deve desenvolver a competência de avaliar criticamente qualquer nova tecnologia médica a partir de um conjunto de perguntas estruturadas: qual problema clínico ou de sistema de saúde ela resolve? para quem ela resolve? a que custo? com qual evidência? quem ganha e quem perde com sua adoção? Essa competência analítica é transversal a toda a disciplina e não se adquire em uma única aula — mas é neste módulo que se plantam suas raízes.
Habilidades a serem desenvolvidas
O estudante deve ser capaz de formular perguntas críticas sobre uma tecnologia médica apresentada em formato comercial ou jornalístico; identificar o tipo de inovação que ela representa (incremental ou disruptiva); e localizar os principais agentes do ecossistema de saúde digital no Brasil em uma representação visual estruturada.
Sumário do conteúdo
O módulo percorre três eixos temáticos. O primeiro é histórico: a trajetória das grandes revoluções tecnológicas na medicina, do estetoscópio à inteligência artificial, analisada não apenas como progresso técnico, mas como transformação das práticas clínicas, das relações de poder no campo da saúde e das questões éticas que cada inovação trouxe. O segundo é analítico: o conceito de inovação disruptiva desenvolvido por Clayton Christensen, aplicado ao setor saúde para distinguir tecnologias que aprimoram soluções existentes daquelas que as substituem por algo radicalmente diferente e, em geral, mais acessível. O terceiro é contextual: o ecossistema de inovação em saúde no Brasil e no mundo, com seus atores (universidades, hospitais, startups, fundos de venture capital, agências regulatórias, pacientes) e suas dinâmicas de interação.
Estratégias pedagógicas e pontos críticos
O risco central deste módulo é a superficialidade: o tema é amplo e pode facilmente tornar-se uma coleção de curiosidades históricas sem valor analítico. O professor deve resistir à tentação de listar tecnologias e concentrar a exposição nas perguntas que cada tecnologia levanta. A técnica do “advogado do diabo” é especialmente útil: diante de qualquer tecnologia apresentada como positiva, o professor deve estimular os estudantes a identificar quem ela pode prejudicar, que problemas ela pode criar e que interesses econômicos podem estar por trás de sua divulgação.
Outro ponto crítico é que os estudantes chegam com repertórios muito diferentes: alguns têm familiaridade com tecnologia e podem reagir com tédio ao conteúdo introdutório; outros têm pouca exposição e podem sentir a amplidão do panorama como intimidadora. O professor deve calibrar o ritmo da exposição para que o nível seja elevado o suficiente para desafiar os primeiros, sem perder os segundos.
A atividade de laboratório deve ser apresentada como o início efetivo do trabalho da disciplina, não como exercício de fixação: os estudantes estão mapeando um ecossistema real que será a arena do projeto de startup deles nas próximas semanas.
Atividades em laboratório de informática (150 min)
Os estudantes, em grupos formados de forma livre neste primeiro módulo (que podem ou não coincidir com os grupos definitivos do projeto), realizam um mapeamento do ecossistema de HealthTechs brasileiro. A tarefa consiste em identificar, pesquisar e caracterizar pelo menos cinco startups brasileiras de saúde digital ativas — descrevendo o problema que cada uma afirma resolver, a tecnologia que utiliza, o modelo de negócios (quando identificável) e a evidência de impacto disponível publicamente. Ao final, cada grupo apresenta oralmente uma das startups mapeadas ao restante da turma em dois minutos, e o professor conduz uma análise coletiva das características comuns e das diferenças entre as startups apresentadas. Essa atividade serve tanto para aprendizagem de conteúdo quanto para familiarização com a dinâmica de trabalho em grupo que caracterizará toda a disciplina.
Módulo 2 — Startup: Conceituar a HealthTech
Formato: Projeto de Startup | 30 min exposição + 170 min trabalho em grupo
Objetivo da aula
Introduzir os conceitos fundamentais de startup e HealthTech, conduzir a formação definitiva dos grupos e iniciar o processo de escolha do domínio de problema de cada equipe. Ao final desta aula, cada grupo deve ter sua composição definida, um nome provisório de trabalho e um canvas de hipóteses inicial registrado.
Competências a serem desenvolvidas
O estudante deve compreender o que distingue uma startup de uma empresa tradicional e o que distingue uma HealthTech de outras startups; deve internalizar a lógica da metodologia Lean Startup — especialmente o ciclo construir-medir-aprender e o conceito de produto mínimo viável — como quadro de referência para o semestre; e deve ser capaz de situar sua ideia inicial de projeto dentro do ecossistema regulatório e de inovação em saúde no Brasil.
Habilidades a serem desenvolvidas
Articular uma hipótese de problema de forma estruturada (não apenas intuitiva); distinguir o que o grupo sabe do que o grupo supõe sobre o problema e o usuário; e iniciar a dinâmica de colaboração em equipe com clareza sobre responsabilidades.
Sumário do conteúdo
A exposição de 30 minutos cobre: a definição de startup segundo Steve Blank e Eric Ries; a distinção entre empresa tradicional (que executa um plano) e startup (que busca um modelo de negócios sob incerteza radical); os conceitos de MVP, ciclo construir-medir-aprender e pivô; as especificidades das HealthTechs — regulação, ciclos longos, importância da evidência clínica, múltiplos stakeholders; e o ecossistema de regulação de saúde digital no Brasil (ANVISA, CFM, ANS, LGPD).
Estratégias pedagógicas e pontos críticos
O ponto mais crítico deste módulo é a formação dos grupos. O professor deve intervir quando perceber grupos excessivamente homogêneos (todos da mesma turma de amizades, com interesses muito similares) e estimular a diversidade de perfis. Grupos heterogêneos produzem projetos mais ricos, embora demandem mais habilidade de mediação nas etapas de conflito.
Um segundo ponto de atenção é a escolha do domínio de problema. O professor deve circular pelos grupos durante o trabalho e perguntar, de forma consistente: “Alguém do grupo já viveu esse problema ou conhece alguém que viveu?” Grupos que iniciam por uma tecnologia (“vamos fazer um app de IA”) em vez de um problema (“observamos que pacientes com diabetes têm dificuldade de…”) devem ser redirecionados com perguntas: “Que problema específico esse app resolve? Para quem? Como vocês sabem que esse problema existe?”
O canvas de hipóteses não deve ser uma formalidade. O professor deve verificar se o que está nas colunas é genuinamente o que o grupo acredita (hipóteses) ou o que o grupo já sabe (fatos verificáveis). Essa distinção é pedagógica e será retomada nos módulos de empatia.
Tarefas do projeto (170 min)
Os grupos formados definitivamente (cinco a seis estudantes por grupo) realizam três tarefas em sequência. Primeiro: a definição do nome provisório da startup e do domínio de problema escolhido, que deve ser justificado oralmente ao professor durante a circulação tutorial. Segundo: a elaboração do canvas de hipóteses inicial, com três colunas — “o que acreditamos sobre o problema”, “o que acreditamos sobre o usuário” e “o que acreditamos sobre a solução”. Terceiro: a postagem do documento no Moodle até o final da sessão, contendo nome provisório, justificativa do domínio em texto dissertativo e o canvas preenchido. O professor valida pessoalmente ao menos uma hipótese de cada grupo durante a circulação, verificando se ela é testável e se está formulada como hipótese (e não como certeza).
Módulo 3 — Inteligência Artificial na Medicina
Formato: Teórico-Prático | 50 min exposição + 150 min laboratório de informática
Objetivo da aula
Desmistificar a inteligência artificial para que os estudantes possam avaliá-la com rigor, compreendendo como os algoritmos de aprendizado de máquina funcionam, onde eles são aplicados clinicamente, por que falham, e quais são suas implicações éticas e regulatórias. Ao final desta aula, o estudante deve ser capaz de distinguir tipos de aprendizado de máquina, identificar aplicações clínicas consolidadas e ler criticamente um estudo que avalie uma ferramenta de IA em saúde.
Competências a serem desenvolvidas
O estudante deve desenvolver a capacidade de interrogar — não apenas usar — ferramentas de IA em saúde: o que o modelo aprendeu? Com quais dados? Quais são seus limites de generalização? Quem pode ser prejudicado se o modelo errar? Essa postura crítica é mais valiosa, para o médico em formação, do que qualquer habilidade técnica de programação.
Habilidades a serem desenvolvidas
Distinguir aprendizado supervisionado, não supervisionado e por reforço com exemplos clínicos concretos; identificar os riscos de viés algorítmico em aplicações médicas; e analisar uma ferramenta de IA disponível no mercado de saúde utilizando um conjunto estruturado de perguntas críticas.
Sumário do conteúdo
A exposição cobre: o conceito de aprendizado de máquina como aprendizagem de padrões a partir de dados (contraste com sistemas baseados em regras); os três paradigmas de aprendizado (supervisionado, não supervisionado, por reforço) com exemplos médicos; redes neurais artificiais e aprendizado profundo — intuição arquitetural sem formalismo matemático; visão computacional e aplicações em diagnóstico por imagem (radiografia, tomografia, histopatologia); análise de prontuários e predição de risco; processamento de linguagem natural e LLMs no contexto clínico; e questões éticas — equidade, explicabilidade, responsabilidade e regulação.
Estratégias pedagógicas e pontos críticos
O maior risco neste módulo é a abstração: conceitos como “redes neurais” e “gradiente descendente” podem parecer inacessíveis a estudantes sem base matemática. O professor deve ancorá-los sempre em exemplos clínicos concretos. Uma estratégia eficaz é começar pela pergunta clínica (“como um algoritmo detecta melanoma numa imagem?”) antes de apresentar o mecanismo (“como o modelo aprende a distinguir lesões benignas de malignas”).
O segundo risco é o oposto: o entusiasmo acrítico. Muitos estudantes chegam com a percepção de que a IA vai “substituir o médico” ou “resolver todos os diagnósticos”. O professor deve desafiar essa narrativa com exemplos de falhas documentadas — modelos de detecção de pneumonia que performam mal em populações diferentes das de treinamento, sistemas de triagem de urgência que discriminam por raça ou renda. O objetivo não é gerar ceticismo paralisante, mas ceticismo produtivo.
Atividades em laboratório de informática (150 min)
Os estudantes trabalham em grupos com três tarefas progressivas. Na primeira tarefa (40 min), analisam criticamente um artigo científico — fornecido pelo professor — que avalia o desempenho de um sistema de IA em uma tarefa clínica específica: identificam o problema clínico, o conjunto de dados usado, a métrica de avaliação, o grupo de comparação e as limitações declaradas e não declaradas pelos autores. Na segunda tarefa (60 min), cada grupo utiliza uma das ferramentas de IA disponíveis publicamente (como um LLM de acesso gratuito) para realizar uma tarefa clínica simulada — formular uma hipótese diagnóstica, redigir uma alta hospitalar ou interpretar um resultado laboratorial — e analisa a saída produzida, identificando acertos, erros e ambiguidades. Na terceira tarefa (50 min), o grupo registra suas observações sobre o que a ferramenta faz bem, o que faz mal e em que situações clínicas seu uso poderia ser prejudicial ao paciente, postando o relatório no Moodle.
Módulo 4 — Telemedicina e Telesaúde
Formato: Teórico-Prático | 50 min exposição + 150 min laboratório de informática
Objetivo da aula
Apresentar o histórico, o marco regulatório e as modalidades da telemedicina no Brasil, com ênfase nas implicações práticas para o exercício médico e nas questões de equidade de acesso. Ao final desta aula, o estudante deve ser capaz de descrever as diferentes modalidades de atendimento remoto, discutir os desafios da relação médico-paciente mediada por tecnologia e avaliar a acurácia clínica de dispositivos de monitoramento remoto.
Competências a serem desenvolvidas
O estudante deve desenvolver a capacidade de navegar no quadro regulatório da telemedicina sem se perder nos detalhes jurídicos que são objeto de outras disciplinas; de reconhecer quais aspectos do exame clínico são transferíveis para o contexto remoto e quais não são; e de avaliar, com perguntas estruturadas, a validade clínica de dados gerados por dispositivos vestíveis.
Habilidades a serem desenvolvidas
Distinguir teleconsulta, telediagnóstico, teleconsultoria e monitoramento remoto; identificar barreiras tecnológicas e relacionais da telemedicina em populações específicas; e aplicar critérios de avaliação de acurácia clínica a um dispositivo wearable.
Sumário do conteúdo
A exposição abrange: histórico da telemedicina no Brasil (da Resolução CFM 2.227/2018 à regulamentação pós-pandemia); modalidades de atendimento remoto e suas especificidades clínicas; limites do exame físico à distância e estratégias de compensação; dispositivos vestíveis e monitoramento remoto — acurácia, indicações e limitações; e barreiras de acesso e equidade — infraestrutura, letramento digital, conectividade e desigualdades regionais no Brasil.
Estratégias pedagógicas e pontos críticos
O tema regulatório é árido se apresentado de forma abstrata. O professor deve ancorá-lo em situações concretas: “Se você realiza uma teleconsulta hoje, em que condições está legalmente amparado? O que acontece se você prescrever um medicamento controlado em uma teleconsulta?” Perguntas desse tipo transformam a regulação em problema clínico, tornando-a relevante para quem ainda não iniciou a prática.
O segundo ponto crítico é a tendência dos estudantes de avaliar wearables pelo entusiasmo da imprensa tecnológica. O professor deve apresentar exemplos concretos de limitações: a oximetria de pulso em pacientes de pele escura, a variabilidade de medição de frequência cardíaca em dispositivos de consumo durante o exercício, a ausência de validação clínica de muitos dispositivos que não são regulamentados como dispositivos médicos. Essa discussão se conecta diretamente ao que foi discutido sobre equidade no módulo de IA.
Atividades em laboratório de informática (150 min)
Os estudantes desenvolvem três tarefas. Na primeira (50 min), consultam o portal de regulação do CFM e da ANVISA para identificar as condições atuais de exercício da telemedicina no Brasil, respondendo a um roteiro de perguntas fornecido pelo professor: quais modalidades são permitidas, quais são os requisitos de registro, quais documentos são obrigatórios. Na segunda tarefa (60 min), pesquisam e comparam dois dispositivos de monitoramento remoto disponíveis no mercado — um classificado como dispositivo médico (com registro regulatório) e outro classificado como dispositivo de bem-estar (sem registro) — avaliando as diferenças em termos de evidência de acurácia, indicações e limitações. Na terceira tarefa (40 min), discutem em grupo e registram no Moodle: quais problemas de saúde do contexto brasileiro poderiam se beneficiar de soluções de telemedicina? Quais barreiras estruturais impediriam a implementação? Essa reflexão alimenta diretamente o projeto de startup dos grupos.
Módulo 5 — Palestra: Startups e Tecnologias na Saúde + Consolidação
Formato: Palestra de Convidado | 60 min palestra + 140 min consolidação do projeto
Objetivo da aula
Conectar o ecossistema real de inovação em saúde com o processo de aprendizagem dos estudantes, por meio da perspectiva de um profissional que opera nesse ecossistema; e promover a primeira revisão estruturada das hipóteses dos projetos à luz dos conteúdos absorvidos nos módulos anteriores.
Competências a serem desenvolvidas
O estudante deve desenvolver a capacidade de extrair aprendizados concretos de narrativas de experiência prática — distinguindo o que é aplicável ao próprio projeto do que é específico ao contexto do palestrante; e de revisar hipóteses com abertura intelectual genuína, sem defensividade em relação ao trabalho já realizado.
Habilidades a serem desenvolvidas
Formular perguntas pertinentes e estratégicas a um profissional do ecossistema; atualizar o canvas de hipóteses com base em novas informações; e articular, em texto dissertativo, o que mudou na concepção do projeto e por quê.
Sumário do conteúdo
A palestra é conduzida por um convidado externo — médico empreendedor, gestor de fundo de saúde digital, especialista em regulação de HealthTechs ou pesquisador com experiência em inovação clínica. O tema deve ser preparado com o convidado de forma a cobrir ao menos dois dos seguintes pontos: a experiência prática de identificar e validar problemas de saúde; os desafios específicos de startups em contextos regulados; o papel da evidência clínica na adoção de tecnologias em saúde; ou lições de fracasso e pivô em projetos de HealthTech. O professor deve preparar os estudantes antes da palestra, indicando o que observar e que perguntas considerar.
Estratégias pedagógicas e pontos críticos
O professor deve preparar os estudantes antes da palestra com uma orientação explícita: não assistir passivamente, mas ouvir com o projeto em mente — identificando o que o palestrante diz que confirma, refina ou contradiz o que o grupo assumiu sobre o problema e o usuário. Ao final da palestra, reservar pelo menos 10 minutos para perguntas abertas ao convidado.
Durante a consolidação, o professor deve visitar todos os grupos com uma pergunta central: “O que você ouviu hoje ou aprendeu nos últimos módulos que mudaria algo no canvas de hipóteses do grupo?” Grupos que respondem “nada mudou” devem ser desafiados: ou o canvas já estava extremamente bem elaborado (improvável nessa etapa) ou o grupo não está incorporando novos aprendizados (o problema pedagógico mais frequente nessa fase).
Tarefas do projeto (140 min)
Os grupos revisam o canvas de hipóteses à luz dos módulos 3 e 4 (Inteligência Artificial e Telemedicina) e da palestra. O documento de atualização deve indicar explicitamente o que mudou em relação à versão anterior, por que mudou — citando o conteúdo ou a experiência do palestrante que motivou a mudança — e quais perguntas permanecem abertas. Grupos que não identificam nenhuma mudança devem ser orientados a, pelo menos, registrar quais hipóteses foram reforçadas e por quê. O professor percorre os grupos em modo de feedback individual, comentando o canvas anterior e fazendo perguntas que estimulem o grupo a questionar o que ainda não questionou.
Módulo 6 — Agentes de Inteligência Artificial
Formato: Teórico-Prático | 50 min exposição + 150 min laboratório de informática
Objetivo da aula
Apresentar o conceito de agente de IA, sua arquitetura funcional e suas aplicações emergentes em saúde, com ênfase na distinção entre sistemas de IA passivos (que respondem a consultas) e agentes ativos (que percebem, raciocinam, planejam e executam ações). Ao final desta aula, o estudante deve ser capaz de descrever o funcionamento básico de um agente de IA, identificar aplicações em saúde com potencial de impacto clínico e discutir as implicações éticas e de segurança de sistemas autônomos em contextos médicos.
Competências a serem desenvolvidas
O estudante deve ser capaz de avaliar, com perguntas estruturadas, em que situações clínicas um agente de IA poderia ser benéfico, em quais seria neutro e em quais poderia ser danoso; e de distinguir o que é tecnicamente viável hoje do que é promessa de futuro próximo e do que é ficção científica.
Habilidades a serem desenvolvidas
Descrever a arquitetura de percepção-raciocínio-ação de um agente de IA; identificar exemplos de agentes em saúde (triagem automatizada, monitoramento contínuo, geração automática de alertas clínicos); e discutir os requisitos de supervisão humana e os limites de autonomia adequados para diferentes contextos clínicos.
Sumário do conteúdo
A exposição cobre: a distinção entre sistemas de IA reativos (respondem a consultas) e agentes de IA (percebem o ambiente, definem objetivos, planejam e executam ações); os componentes funcionais de um agente — sensores, processamento, planejamento e atuadores; LLMs como base de raciocínio de agentes com acesso a ferramentas (function calling, RAG); aplicações em saúde — triagem de urgência, gestão de prontuário, monitoramento contínuo de pacientes, coordenação de cuidado; e implicações éticas — supervisão humana, responsabilidade por erros de agentes, consentimento e transparência.
Estratégias pedagógicas e pontos críticos
O ponto mais delicado neste módulo é a linha entre o que os agentes de IA fazem hoje e o que ainda é perspectiva de médio prazo. O professor deve ser explícito sobre essa distinção, evitando tanto o pessimismo tecnológico quanto o entusiasmo descolado da realidade clínica atual. Exemplos de sistemas já em uso (alertas automáticos de sepse, triagem de imagens de retina) devem ser apresentados ao lado de exemplos que ainda estão em fase de pesquisa.
O segundo ponto crítico é a questão da responsabilidade: quando um agente de IA comete um erro que prejudica um paciente, quem é o responsável — o médico que ativou o sistema, a empresa que o desenvolveu, o hospital que o adotou? Essa pergunta não tem resposta definitiva na regulação atual, mas o professor deve conduzi-la de forma que os estudantes compreendam que a adoção de agentes de IA em saúde não elimina — e pode ampliar — a responsabilidade médica.
Atividades em laboratório de informática (150 min)
Em grupos, os estudantes exploram uma plataforma que permita construir ou interagir com um agente de IA simples — como um chatbot clínico de triagem ou um assistente de monitoramento de sintomas — disponível gratuitamente ou via demonstração de fornecedor. A tarefa tem três etapas. Na primeira (50 min), o grupo mapeia o fluxo de funcionamento do agente: o que ele percebe, como raciocina, que ações toma e quais são seus limites declarados. Na segunda (60 min), o grupo testa intencionalmente os limites do agente, submetendo-o a casos ambíguos, raros ou fora do escopo declarado, e registra as respostas. Na terceira (40 min), o grupo avalia: esse agente poderia ser usado com segurança em um contexto clínico real? Em quais condições? Com qual supervisão? O relatório é postado no Moodle com análise fundamentada.
Módulo 7 — Realidade Virtual e Realidade Aumentada na Medicina
Formato: Teórico-Prático | 50 min exposição + 150 min laboratório de informática
Objetivo da aula
Apresentar o espectro da realidade mista (continuum de Milgram), os fundamentos tecnológicos de RV e RA, e as aplicações clínicas com evidência científica sólida, desenvolvendo nos estudantes a capacidade de avaliar criticamente estudos e produtos comerciais nessa área. Ao final desta aula, o estudante deve ser capaz de distinguir RV de RA, descrever as aplicações com maior suporte de evidências, aplicar as quatro perguntas de avaliação crítica a qualquer estudo ou produto de RV/RA, e identificar os efeitos adversos e as barreiras de adoção relevantes.
Competências a serem desenvolvidas
O estudante deve desenvolver a competência de avaliar propostas de adoção de tecnologias de RV e RA em contextos clínicos reais — distinguindo aplicações com evidência robusta de aplicações promissoras mas ainda sem validação suficiente para uso clínico rotineiro — e de comunicar essa avaliação para interlocutores sem formação técnica (como gestores hospitalares ou familiares de pacientes).
Habilidades a serem desenvolvidas
Classificar tecnologias no continuum de Milgram; identificar o nível de evidência de uma aplicação clínica de RV ou RA usando a hierarquia de evidências; e analisar os efeitos adversos — especialmente cybersickness e desafios de controle de infecção — em populações clínicas específicas.
Sumário do conteúdo
A exposição abrange: o continuum da realidade-virtualidade de Milgram (RV, RA, virtualidade aumentada e realidade mista); fundamentos técnicos dos HMDs — latência, campo de visão, tracking; dispositivos de RA — optical see-through e video see-through, registro espacial; aplicações com evidência sólida — simulação cirúrgica laparoscópica, manejo de dor em queimados (SnowWorld), terapia de exposição por RV, reabilitação neurológica; aplicações em estágio de pesquisa — RA cirúrgica em tecidos moles, educação anatômica; avaliação crítica de evidências — as quatro perguntas; efeitos adversos e barreiras — cybersickness, infecção, custo, equidade; e neurociência da presença e analgesia por RV.
Estratégias pedagógicas e pontos críticos
O módulo tem alto potencial de engajamento pela natureza visual e concreta das tecnologias discutidas. O risco é que o entusiasmo gere credulidade: os estudantes tendem a aceitar promessas de RV e RA sem o escrutínio metodológico que aplicariam a um medicamento. O professor deve usar os três cenários clínicos do material (simulador laparoscópico, RV pediátrica, RA em cirurgia hepática) como exercícios de análise crítica coletiva.
O ponto mais importante a enfatizar é a distinção entre evidência de que a tecnologia funciona no simulador e evidência de que ela melhora desfechos em pacientes reais. Essa distinção — entre validade de construto, validade de conteúdo e validade de transferência — é o conceito-chave que o professor deve garantir que os estudantes internalizem.
Atividades em laboratório de informática (150 min)
Os estudantes trabalham em grupos em três etapas. Na primeira (50 min), pesquisam e analisam um estudo de RV ou RA em saúde escolhido por eles dentro de uma lista pré-selecionada pelo professor — aplicando as quatro perguntas de avaliação crítica do material e classificando o estudo na hierarquia de evidências. Na segunda etapa (60 min), o grupo formula um parecer técnico sobre a aplicação estudada, respondendo: o nível atual de evidência justifica adoção clínica rotineira? Se não, que estudo adicional seria necessário? Na terceira etapa (40 min), o grupo identifica se a tecnologia estudada poderia ser relevante para o projeto de startup do grupo — e de que forma. Essa conexão explícita com o projeto é conduzida pelo professor durante a circulação pelos grupos.
Módulo 8 — Biotecnologia Aplicada à Saúde
Formato: Teórico-Prático | 50 min exposição + 150 min laboratório de informática
Objetivo da aula
Apresentar as principais plataformas da biotecnologia moderna aplicada à saúde — proteínas recombinantes, anticorpos monoclonais, terapias celulares, terapias gênicas, edição gênica por CRISPR, medicina de precisão e diagnóstico molecular — com foco na compreensão funcional de cada plataforma, em seus resultados clínicos documentados e em suas implicações éticas e de acesso. Ao final desta aula, o estudante deve ser capaz de identificar a plataforma biotecnológica em uso em diferentes situações clínicas, explicar o mecanismo geral de cada uma e discutir os desafios éticos e regulatórios do setor no Brasil.
Competências a serem desenvolvidas
O estudante deve ser capaz de explicar a um paciente e a seus familiares o que significa uma terapia celular, uma terapia gênica ou uma edição por CRISPR — com precisão e sem simplificações que comprometam o consentimento informado; e de participar de debates institucionais sobre adoção e financiamento de terapias de alto custo com uma posição fundamentada.
Habilidades a serem desenvolvidas
Identificar a plataforma biotecnológica de um medicamento a partir de sua nomenclatura ou descrição clínica; interpretar um laudo genômico básico, reconhecendo as categorias de variantes do ACMG; e formular perguntas farmacogenômicas relevantes antes de prescrever medicamentos de janela terapêutica estreita.
Sumário do conteúdo
A exposição cobre: a linha do tempo da biotecnologia moderna — do DNA recombinante à edição gênica; proteínas recombinantes — insulina, EPO, fatores de coagulação; anticorpos monoclonais — evolução de murinos a humanos, nomenclatura, exemplos clínicos (trastuzumab, pembrolizumab, adalimumab); terapias celulares CAR-T — processo, mecanismo, resultados, custo; terapias gênicas com vetores virais — AME, hemofilia; CRISPR-Cas9 — mecanismo, aplicações (anemia falciforme), limites e fronteiras éticas (edição somática versus germinativa); medicina de precisão e NGS — painéis, WES, WGS, biomarcadores moleculares no câncer de pulmão; farmacogenômica — CYP2D6, CYP2C19, HLA-B*57:01; e o problema do acesso no Brasil — CONITEC, judicialização, equidade.
Estratégias pedagógicas e pontos críticos
A amplitude do conteúdo é o principal desafio: biotecnologia é um campo tão vasto que a tentação de aprofundar cada plataforma pode comprometer a visão integrada. O professor deve reforçar, ao longo da exposição, que o objetivo não é transformar o estudante em biotecnologista, mas em médico capaz de comunicar, avaliar e participar de decisões sobre essas tecnologias.
O caso clínico integrador do módulo — Rodrigo com linfoma difuso de grandes células B — é uma ferramenta pedagógica poderosa: ele atravessa diagnóstico molecular (NGS), terapia-alvo (rituximab), terapia celular (CAR-T), farmacogenômica (CYP2D6) e genômica germinal (BRCA2). Utilizá-lo como fio condutor da segunda metade da exposição é mais eficaz do que apresentar as plataformas de forma sequencial e desconectada.
O debate sobre acesso e custo — especialmente no caso da AME e das terapias CAR-T — é ethicamente denso e pedagogicamente rico. O professor deve conduzir essa discussão com equilíbrio, apresentando os argumentos do paciente, do médico, do gestor e do sistema de saúde sem encerrar o debate com uma posição prescritiva.
Atividades em laboratório de informática (150 min)
Os estudantes realizam três tarefas progressivas. Na primeira (50 min), a partir de uma lista de nomes de medicamentos fornecida pelo professor, cada grupo identifica a plataforma biotecnológica de cada medicamento, o seu mecanismo geral e a condição clínica para a qual está aprovado — construindo uma tabela comentada. Na segunda tarefa (60 min), o grupo analisa um laudo genômico fictício produzido pelo professor, identificando as variantes classificadas, interpretando as categorias do ACMG (patogênica, VUS, benigna) e redigindo o que seria comunicado ao paciente sobre cada achado relevante. Na terceira tarefa (40 min), o grupo discute e registra: existem problemas de saúde no ecossistema brasileiro para os quais uma solução de diagnóstico molecular ou de informação sobre biotecnologia (não o desenvolvimento de uma molécula) poderia ser o núcleo de uma HealthTech? A reflexão alimenta o projeto de startup das semanas seguintes.
Módulo 9 — Startup: Design Thinking e Empatia
Formato: Projeto de Startup | 30 min exposição + 170 min trabalho em grupo
Objetivo da aula
Introduzir a metodologia de design thinking com foco na fase de empatia, conduzir os grupos ao campo para entrevistas com usuários reais e iniciar a síntese do material coletado. Ao final desta aula, cada grupo deve ter realizado ao menos duas entrevistas de empatia e iniciado a organização do material coletado.
Competências a serem desenvolvidas
O estudante deve desenvolver a competência de distinguir o que sabe do que supõe sobre o usuário — e a disposição de se surpreender pelo que ouve, mesmo quando contradiz as hipóteses do grupo; e de conduzir entrevistas abertas sem direcionar as respostas do entrevistado.
Habilidades a serem desenvolvidas
Preparar e conduzir uma entrevista de empatia com perguntas abertas e não diretivas; registrar fielmente observações e citações diretas sem misturá-las com inferências; e identificar temas emergentes em material qualitativo.
Sumário do conteúdo
A exposição de 30 minutos cobre: o processo de design thinking — empatia, definição, ideação, prototipação, teste — e a lógica de cada fase; o que é uma entrevista de empatia e em que ela difere de uma pesquisa de opinião; técnicas de condução — perguntas abertas, escuta ativa, tolerância ao silêncio, não antecipação de respostas; e como registrar e organizar o material coletado (observações diretas versus inferências do pesquisador).
Estratégias pedagógicas e pontos críticos
O ponto mais crítico deste módulo é a tendência dos grupos de conduzir entrevistas para confirmar o que já acreditam. O professor deve alertar explicitamente sobre esse viés de confirmação antes de os grupos saírem para campo, e fazer perguntas de controle ao retorno: “Alguém ouviu algo que não esperava? Alguém foi surpreendido?” Se nenhum grupo foi surpreendido, as entrevistas provavelmente não foram suficientemente abertas.
Um segundo ponto de atenção é a qualidade dos entrevistados. O professor deve orientar que os grupos priorizem pessoas que têm contato direto com o problema — usuários reais, não familiares ou amigos sem experiência com o problema. Entrevistas com pessoas que “provavelmente teriam o problema” são significativamente menos informativas do que entrevistas com pessoas que o vivem.
Tarefas do projeto (170 min)
Cada membro do grupo conduz ao menos uma entrevista de empatia com um usuário identificado no domínio de problema da startup. As entrevistas podem ser realizadas presencialmente no campus (com colegas de outros semestres, funcionários, pacientes dos ambulatórios vinculados, familiares presentes) ou por chamada de vídeo com pessoas fora do campus — desde que sejam usuários reais do problema. Ao retornar, cada membro compartilha com o grupo os principais trechos ouvidos. O grupo organiza o material em tópicos temáticos — não ainda em ferramentas formais — e inicia a redação do documento de entrega. O professor circula pelos grupos durante o trabalho de campo e de síntese, fazendo perguntas que estimulem a distinção entre observação e interpretação. O documento postado no Moodle deve conter o perfil de cada entrevistado, os principais trechos ou paráfrases do que foi ouvido, e uma síntese dissertativa dos temas emergentes.
Módulo 10 — Startup: Mapa de Empatia e Jornada do Usuário
Formato: Projeto de Startup | 30 min exposição + 170 min trabalho em grupo
Objetivo da aula
Transformar o material bruto das entrevistas de empatia em duas ferramentas estruturadas — o Mapa de Empatia e a Jornada do Usuário — e, a partir delas, formular o enunciado do problema com a precisão necessária para orientar a fase de ideação. Ao final desta aula, cada grupo deve ter o Mapa de Empatia completo, a Jornada do Usuário completa e o enunciado do problema redigido.
Competências a serem desenvolvidas
O estudante deve ser capaz de sintetizar material qualitativo heterogêneo em representações visuais estruturadas que capturem os aspectos mais relevantes da experiência do usuário; e de formular enunciados de problema com precisão suficiente para que a fase de ideação produza soluções endereçadas a necessidades reais.
Habilidades a serem desenvolvidas
Preencher um Mapa de Empatia apenas com dados coletados nas entrevistas, sem projetar suposições do grupo; construir uma Jornada do Usuário com etapas, emoções e pontos de dor identificados empiricamente; e redigir um enunciado de problema em formato “ponto de vista” (POV) preciso e fundado em evidência.
Sumário do conteúdo
A exposição de 30 minutos apresenta: as seis dimensões do Mapa de Empatia (pensa e sente, ouve, vê, faz e diz, dores, ganhos) e como cada uma se preenche a partir de dados de entrevista; a estrutura da Jornada do Usuário — etapas, pontos de contato, emoções e pontos de dor; e o formato do enunciado de problema (POV) — quem é o usuário, em que situação o problema se manifesta, qual é o impacto na vida do usuário.
Estratégias pedagógicas e pontos críticos
O erro mais frequente neste módulo é o preenchimento do Mapa de Empatia com suposições não suportadas pelas entrevistas. O professor deve pedir, a cada item preenchido pelo grupo, a citação ou a observação das entrevistas que o suporta. Itens sem suporte empírico devem ser sinalizados explicitamente como hipóteses ainda a confirmar — não removidos, mas claramente distinguidos dos dados confirmados.
O enunciado do problema é uma das entregas mais importantes do semestre e costuma ser redigido de forma muito vaga na primeira tentativa. O professor deve dedicar atenção especial a esse momento, pedindo que grupos leiam seus enunciados em voz alta e verificando se ele responde com precisão: quem é o usuário específico (não “pacientes em geral”)? em que situação concreta o problema se manifesta? qual é o impacto mensurável ou experienciável?
Tarefas do projeto (170 min)
Cada grupo constrói o Mapa de Empatia em formato visual (papel, quadro branco ou ferramenta digital de sua escolha) e a Jornada do Usuário com as etapas e emoções mapeadas. Em seguida, redige o enunciado do problema em texto dissertativo. O professor percorre os grupos em modo tutorial, revisando cada ferramenta com perguntas que identificam itens sem suporte empírico e desafiam formulações vagas do enunciado. Ao final da sessão, o grupo posta no Moodle o Mapa de Empatia (como imagem ou arquivo de design), a Jornada do Usuário e o enunciado do problema.
Módulo 11 — Segurança da Informação em Saúde
Formato: Teórico-Prático | 50 min exposição + 150 min laboratório de informática
Objetivo da aula
Apresentar os fundamentos da segurança da informação aplicados ao contexto de saúde, com ênfase na tríade confidencialidade-integridade-disponibilidade, nas principais ameaças ao setor, na legislação aplicável (especialmente a LGPD) e nas boas práticas de gestão de sistemas de informação em saúde. Ao final desta aula, o estudante deve ser capaz de identificar as principais vulnerabilidades de sistemas de informação em saúde, descrever os requisitos da LGPD para dados de saúde e aplicar princípios de privacidade-by-design ao projeto de sua HealthTech.
Competências a serem desenvolvidas
O estudante deve desenvolver a competência de avaliar os riscos de segurança e privacidade de qualquer sistema de informação em saúde que venha a adotar, recomendar ou desenvolver ao longo da carreira; e de incorporar esses requisitos desde a fase de concepção do produto — não como compliance retroativo, mas como fundamento do design.
Habilidades a serem desenvolvidas
Classificar dados de saúde segundo as categorias e os requisitos da LGPD; identificar as principais categorias de ameaças cibernéticas com impacto documentado em sistemas de saúde (ransomware, phishing, violação de banco de dados); e aplicar os princípios de privacidade-by-design e security-by-design ao projeto da HealthTech do grupo.
Sumário do conteúdo
A exposição abrange: a tríade CIA — confidencialidade, integridade e disponibilidade — como estrutura analítica; principais ameaças cibernéticas ao setor saúde — ransomware em hospitais, violação de prontuários, ataques a dispositivos médicos conectados; legislação aplicável — LGPD com foco em dados sensíveis de saúde, bases legais para tratamento, direitos do titular; interoperabilidade e padrões de dados em saúde — HL7, FHIR, TISS; boas práticas — autenticação multifator, criptografia, política de acesso mínimo; e privacidade-by-design como princípio de desenvolvimento de produtos de saúde digital.
Estratégias pedagógicas e pontos críticos
O risco deste módulo é a percepção de que segurança é tema exclusivo de especialistas em TI, sem relevância para médicos. O professor deve combater esse enquadramento com exemplos concretos de consequências clínicas de falhas de segurança: o ataque de ransomware que interrompe o acesso a prontuários em um pronto-socorro; a violação de dados de prontuário que expõe diagnósticos de HIV ou saúde mental de pacientes; o dispositivo médico conectado comprometido por malware. Essas situações são médicas, não apenas técnicas.
O segundo ponto crítico é a conexão com o projeto de startup. Todos os grupos devem, ao final do módulo, ter identificado quais dados de saúde a HealthTech deles processaria, qual base legal da LGPD justificaria esse tratamento e quais requisitos mínimos de segurança o produto precisaria satisfazer. Esse exercício é conduzido pelo professor durante a circulação pelo laboratório.
Atividades em laboratório de informática (150 min)
Os estudantes trabalham em grupos em três etapas. Na primeira (50 min), analisam um caso público documentado de violação de segurança em um sistema de saúde (escolhido pelo professor a partir de casos reais amplamente relatados) — identificando o vetor de ataque, os dados comprometidos, o impacto clínico e operacional, e o que poderia ter sido feito diferente. Na segunda etapa (60 min), cada grupo aplica a análise LGPD à sua própria startup: que dados de saúde o produto processaria? Quais são as bases legais para esse tratamento? Quais são os direitos dos titulares que o sistema precisaria suportar? Há necessidade de anonimização ou pseudonimização? Na terceira etapa (40 min), o grupo redige uma seção de “requisitos de segurança e privacidade” para o projeto da HealthTech — que servirá como insumo direto para o módulo de prototipação. O relatório é postado no Moodle.
Módulo 12 — Startup: Ideação — Brainstorm e Crazy 8s
Formato: Projeto de Startup | 30 min exposição + 170 min trabalho em grupo
Objetivo da aula
Conduzir a fase de ideação do projeto de design thinking, utilizando as técnicas de brainstorm estruturado e Crazy 8s para gerar um volume alto de ideias diversas e convergir para a solução mais promissora com base em critérios explícitos. Ao final desta aula, cada grupo deve ter uma ideia selecionada para desenvolvimento e uma justificativa articulada para essa escolha.
Competências a serem desenvolvidas
O estudante deve desenvolver a capacidade de separar as fases de divergência (geração sem julgamento) e convergência (seleção com critérios) na resolução criativa de problemas; e de tomar decisões de grupo a partir de critérios explícitos — não por consenso emocional nem por hierarquia informal.
Habilidades a serem desenvolvidas
Conduzir uma sessão de brainstorm seguindo as regras de inibição da autocensura; realizar a técnica Crazy 8s com disciplina de tempo; e aplicar critérios de seleção de ideias de forma estruturada e transparente.
Sumário do conteúdo
A exposição de 30 minutos apresenta: o princípio de separação entre divergência e convergência na ideação criativa; as regras do brainstorm estruturado — adiar o julgamento, encorajar ideias radicais, construir sobre as ideias dos outros, buscar quantidade; a técnica Crazy 8s — oito ideias em oito minutos em formato visual; e critérios de seleção — originalidade, viabilidade técnica no contexto da disciplina, alinhamento com as necessidades do usuário identificado, potencial de impacto.
Estratégias pedagógicas e pontos críticos
O erro mais comum neste módulo é a convergência prematura: grupos que escolhem a primeira ideia razoável antes de explorar o espaço de possibilidades. O professor deve verificar, ao circular pelos grupos, se a fase de divergência foi genuína — se gerou pelo menos 20 a 30 ideias por grupo antes de qualquer seleção. Grupos com menos de dez ideias na fase de divergência devem ser estimulados a continuar gerando antes de selecionar.
O segundo ponto crítico é a gestão de conflitos na convergência. É muito comum que diferentes membros do grupo defendam ideias distintas com intensidade proporcional ao quanto investiram nelas emocionalmente. O professor deve intervir sugerindo que o grupo defina critérios de seleção antes de avaliar as ideias — impedindo que a escolha seja feita por quem fala mais alto ou por simpatia interpessoal.
Tarefas do projeto (170 min)
A sessão de trabalho segue uma sequência estruturada. Nos primeiros 20 minutos, o grupo relê o enunciado do problema formulado no módulo anterior e confirma que todos os membros o compreendem da mesma forma — conflitos de interpretação devem ser resolvidos antes da ideação. Nos 50 minutos seguintes, o grupo realiza o brainstorm estruturado e, em seguida, cada membro realiza o Crazy 8s individualmente. Nos 40 minutos seguintes, o grupo compartilha todas as ideias, define critérios de seleção e aplica votação ou ranqueamento. Nos 40 minutos finais, o grupo redige a descrição da ideia selecionada e inicia o documento de entrega. O professor circula ativamente nas fases de divergência e convergência, identificando grupos em dificuldade e fazendo perguntas que ampliem o espaço de possibilidades sem dirimir a decisão do grupo. O documento postado no Moodle deve incluir a descrição da sessão de ideação, as ideias geradas e a justificativa da escolha feita.
Módulo 13 — Startup: Solução e Proposta de Valor
Formato: Projeto de Startup | 30 min exposição + 170 min trabalho em grupo
Objetivo da aula
Transformar a ideia selecionada no módulo anterior em uma solução precisamente definida, com limites claros, e articular a proposta de valor utilizando o Value Proposition Canvas. Ao final desta aula, cada grupo deve ter uma definição clara do que o produto faz, para quem e em que condições, e uma proposta de valor fundamentada nos dados do usuário coletados nos módulos de empatia.
Competências a serem desenvolvidas
O estudante deve desenvolver a capacidade de distinguir uma ideia (ainda difusa e aberta) de uma solução (específica, delimitada e endereçada a um usuário preciso); e de articular o benefício que o produto entrega em termos do que importa para o usuário, não em termos de características técnicas do produto.
Habilidades a serem desenvolvidas
Definir os limites de uma solução — o que o produto faz e, igualmente importante, o que não faz; preencher o Value Proposition Canvas com dados reais do usuário; e redigir um parágrafo de proposta de valor que seja inteligível para um interlocutor não especializado.
Sumário do conteúdo
A exposição de 30 minutos apresenta: a distinção entre ideia e solução; os critérios de uma definição de solução bem feita — usuário específico, situação concreta, funcionalidades definidas, limites explícitos, condições de operação; e o Value Proposition Canvas — as seis dimensões (tarefas do cliente, dores, ganhos, aliviadores de dor, criadores de ganho, produtos e serviços) e o que significa “encaixe” entre produto e usuário.
Estratégias pedagógicas e pontos críticos
O risco principal é a solução genérica: grupos que definem o produto como “um aplicativo que ajuda pacientes com doenças crônicas” sem especificar qual doença, quais pacientes, em qual etapa da jornada, com quais funcionalidades. O professor deve exigir especificidade com perguntas diretas: “Que tipo de paciente, com qual nível de letramento digital, em qual contexto de atendimento?” A solução deve ser específica o suficiente para que seja possível dizer o que ela não inclui.
A conexão com os módulos teóricos anteriores é particularmente importante aqui: a solução deve ser tecnicamente plausível à luz do que foi aprendido sobre IA, telemedicina, agentes de IA, RV/RA ou biotecnologia. O professor deve verificar se as escolhas tecnológicas da solução são coerentes com o que os estudantes aprenderam — sinalizando quando um grupo propõe algo tecnicamente inviável ou quando está subestimando desafios regulatórios que estudaram no módulo de segurança da informação.
Tarefas do projeto (170 min)
O grupo elabora o Value Proposition Canvas completo e, a partir dele, redige a definição da solução e o parágrafo de proposta de valor. O professor circula pelos grupos verificando se o canvas é preenchido com dados das entrevistas de empatia (não com suposições) e se a proposta de valor é formulada do ponto de vista do benefício para o usuário (não das características técnicas do produto). O documento postado no Moodle deve conter o Value Proposition Canvas, a definição dissertativa da solução e o parágrafo de proposta de valor.
Módulo 14 — Startup: Prototipação
Formato: Projeto de Startup | 30 min exposição + 170 min trabalho em grupo
Objetivo da aula
Introduzir o conceito de protótipo como instrumento de aprendizagem (não de apresentação), conduzir os grupos na construção de um protótipo de fidelidade adequada à hipótese que precisam testar, e iniciar o processo de teste com usuários reais. Ao final desta aula, cada grupo deve ter um protótipo construído, ao menos um teste realizado e o aprendizado do teste documentado.
Competências a serem desenvolvidas
O estudante deve internalizar a lógica da cultura maker aplicada ao desenvolvimento de produtos de saúde: o protótipo mais útil é o mais simples que permite aprender algo importante sobre a solução, não o mais sofisticado; e o teste mais valioso é o que tem o maior potencial de revelar que a hipótese está errada.
Habilidades a serem desenvolvidas
Identificar a hipótese central que precisa ser testada sobre a solução; escolher o nível de fidelidade do protótipo adequado a essa hipótese; conduzir um teste de protótipo com ao menos um usuário real utilizando observação direta; e sintetizar o aprendizado do teste em ajustes concretos para a solução.
Sumário do conteúdo
A exposição de 30 minutos cobre: o que é um protótipo — não uma versão antecipada do produto final, mas um experimento para testar uma hipótese específica; os diferentes níveis de fidelidade — baixa (papel, post-its, cartões), média (mockup digital estático ou com alguma interatividade) e alta (produto funcional) — e quando cada um é adequado; o protocolo de teste de protótipo — apresentar sem explicar, observar sem intervir, perguntar depois; e como registrar e interpretar os resultados do teste para informar ajustes na solução.
Estratégias pedagógicas e pontos críticos
O ponto mais crítico é a resistência à prototipação rápida: estudantes de medicina, acostumados a padrões de excelência e ao perfeccionismo que a formação clínica exige, frequentemente se recusam a apresentar um protótipo “feio” ou “incompleto”. O professor deve combater essa resistência explicitamente, lembrando que o valor do protótipo está na informação que ele gera — não na sua aparência — e que protótipos bonitos produzidos antes de qualquer teste com usuário são desperdício de recursos.
O segundo ponto de atenção é a seleção da hipótese a testar. Grupos que constroem protótipos para “mostrar como o produto vai funcionar” estão confundindo prototipação com apresentação. O professor deve perguntar a cada grupo: “Qual hipótese específica sobre a solução esse protótipo vai testar? O que vocês precisam aprender com esse teste?” Se o grupo não tem uma resposta clara, o protótipo precisa ser reformulado.
Tarefas do projeto (170 min)
Cada grupo define a hipótese central a testar, constrói o protótipo adequado e realiza ao menos um teste com um usuário real — que pode ser identificado no campus ou por chamada de vídeo. O professor circula pelos grupos na fase de construção do protótipo, verificando se a hipótese está clara e se o nível de fidelidade é adequado. Durante os testes, o professor observa a condução sem intervir, exceto para identificar erros metodológicos graves (como o grupo que explica o produto ao usuário em vez de observar como ele o usa intuitivamente). O documento postado no Moodle deve conter a hipótese testada, a descrição do protótipo (com arquivo anexo), o relato do teste e a síntese do aprendizado.
Módulo 15 — Startup: Validação e Modelo de Negócio
Formato: Projeto de Startup | 30 min exposição + 170 min trabalho em grupo
Objetivo da aula
Conduzir o processo de validação das hipóteses fundamentais da startup e estruturar o modelo de negócios completo utilizando o Business Model Canvas. Ao final desta aula, cada grupo deve ter o Business Model Canvas preenchido, com as escolhas mais difíceis justificadas por escrito, e uma síntese das hipóteses que ainda precisam ser validadas além do semestre.
Competências a serem desenvolvidas
O estudante deve ser capaz de distinguir hipóteses validadas, hipóteses refutadas e hipóteses ainda abertas no projeto da startup — comunicando com honestidade o que foi aprendido e o que ainda não se sabe; e de construir um modelo de negócios internamente consistente para uma HealthTech, considerando as especificidades do mercado de saúde no Brasil.
Habilidades a serem desenvolvidas
Preencher o Business Model Canvas com base em evidências do semestre (não com suposições genéricas); identificar, em um modelo de negócios de saúde, quem são os usuários e quem são os pagadores — e como essa distinção afeta cada bloco do canvas; e redigir justificativas para as escolhas mais difíceis do modelo.
Sumário do conteúdo
A exposição de 30 minutos abrange: o que significa validar hipóteses — distinguir validação positiva, refutação e ausência de evidência; os nove blocos do Business Model Canvas e o que cada um exige de uma HealthTech (com ênfase na distinção usuário/pagador, no papel da regulação e no papel da evidência clínica na captação de clientes institucionais); e o que são “próximos passos” de um projeto de startup ao final de uma disciplina — o mínimo que o grupo deveria fazer a seguir se quisesse continuar.
Estratégias pedagógicas e pontos críticos
O ponto mais crítico é a questão da fonte de receita no contexto de saúde. Grupos que propõem “o paciente paga” sem ter investigado a disposição e a capacidade de pagamento dos pacientes com o perfil identificado estão operando com suposições não testadas. O professor deve perguntar, de forma direta: “Quanto o usuário pagaria? Quanto o plano de saúde ou o hospital pagaria? Existe algum modelo de reembolso por sistemas de saúde para solução similar?” A honestidade sobre a incerteza econômica é mais valiosa pedagogicamente do que um canvas preenchido com otimismo sem fundamento.
O segundo ponto de atenção é a coerência interna do canvas. Grupos que propõem segmentos de clientes premium (hospitais privados de grande porte) com canais de venda diretos que exigem força de vendas especializada, mas com estrutura de custos de startup de dois estudantes, estão demonstrando incoerência que o professor deve sinalizar com perguntas — não com correções diretas.
Tarefas do projeto (170 min)
Os grupos preenchem o Business Model Canvas completo, redigem as justificativas para as escolhas mais difíceis (fonte de receita, segmento de cliente, parcerias-chave) e elaboram a seção de hipóteses ainda abertas. O professor percorre os grupos verificando coerência interna do canvas e a qualidade das justificativas. O documento postado no Moodle deve conter o Business Model Canvas, o texto dissertativo de justificativas e a seção de hipóteses abertas. Ao final desta sessão, o professor comunica as instruções para a preparação do pitch final — estrutura narrativa, duração, critérios de avaliação e data de apresentação.
Semana 16 — Apresentação Final em Formato Pitch
Formato: Banca Avaliadora | 10 min por grupo (8 min apresentação + 2 min perguntas)
Objetivo da avaliação
Avaliar a qualidade do percurso de aprendizagem de cada grupo ao longo do semestre, com foco na profundidade da pesquisa de usuário, na coerência entre problema e solução, na viabilidade do modelo de negócios e na qualidade da comunicação oral.
Composição da banca
A banca deve ser composta pelo professor da disciplina e por ao menos dois avaliadores convidados do ecossistema de inovação em saúde — médicos empreendedores, investidores de saúde digital, gestores hospitalares ou pesquisadores com experiência em transferência de tecnologia. A diversidade de perspectivas na banca enriquece o feedback e expõe os estudantes a critérios de avaliação que refletem o mundo real do ecossistema de HealthTechs.
Estrutura da apresentação
Cada grupo dispõe de 8 minutos de apresentação e 2 minutos de perguntas. A estrutura narrativa recomendada segue a lógica problema → usuário → solução → proposta de valor → mercado → modelo de negócios → próximos passos. A distribuição de tempo entre as seções é responsabilidade de cada grupo, desde que o problema e o usuário recebam pelo menos um terço do tempo total — garantindo que a banca compreenda, antes da solução, que o problema é real e que o usuário é específico.
Critérios de avaliação
A avaliação do pitch distribui-se entre cinco critérios: profundidade da pesquisa de usuário (a banca tem acesso às entregas anteriores para verificar se as entrevistas foram conduzidas com rigor e se o Mapa de Empatia e a Jornada do Usuário são ancorados em dados reais); adequação da solução ao problema (coerência entre o enunciado do problema e o produto proposto, com ancoragem no perfil do usuário identificado); viabilidade do modelo de negócios (consistência interna do BMC e compreensão das especificidades do mercado de saúde); qualidade do protótipo e do processo de teste (hipótese testada, protótipo adequado, aprendizado genuíno registrado); e clareza e impacto da apresentação oral (estrutura narrativa, qualidade dos slides, distribuição equitativa entre membros, capacidade de resposta às perguntas).
Orientações ao professor para a condução do pitch
O professor deve preparar a banca previamente, compartilhando as rubricas de avaliação e as entregas dos módulos de cada grupo. Durante as apresentações, o professor deve monitorar o tempo e sinalizar os grupos quando se aproximarem do limite. Nas perguntas da banca, o professor pode complementar com perguntas que explorem aspectos não abordados espontaneamente — especialmente sobre as hipóteses ainda não testadas e sobre como o grupo lidaria com os pontos de incerteza mais relevantes do modelo. Após a avaliação, é recomendável um momento de feedback coletivo — uma síntese das forças e das fragilidades observadas nos pitches, sem identificar grupos individualmente, que sirva como fechamento pedagógico do semestre.