Este desafio surgiu diretamente de conversações prévias à abertura do concurso, entre um conjunto de docentes do Iscte (sob a égide do Centro de Competências IA>AP, https://iaap.iscte-iul.pt) e elementos da direção do PlanApp. De entre as tarefas que consideradas interessantes para exploração e teste de possibilidades destacaram-se (na área da IA / Ciência de Dados) as seguintes: Análise de tópicos dos outputs dos workshops “Construir Pontes” Extração processamento e análise de indicadores de monitorização das desigualdades Extração de campos em documentos de planeamento de políticas públicas Análise de indicadores demográficos A tarefa 1 tem como objetivo testar as possibilidades de tratamento semi-automático do output de conferências de modo a reduzir o tempo de processamento e/ou sinalizar partes particularmente relevantes para o PlanApp dos documentos resultantes das “Workshops Ciência e Política Pública: Como conseguir pontes?”. Nestas workshops os participantes são convidados a fazer pequenos textos com propostas, dificuldades e desafios relacionadas/os com a interação entre a academia e a política pública, mas o tratamento manual desta quantidade de texto é exigente em termos de tempo de leitura pelos organizadores, sendo benéfico um tratamento semi-automático que, não só pode evidenciar os temas mais abordados, como apontar as partes mais relevantes (ou que abordam temas mais originais). A tarefa 2 tem como objetivo auxiliar a execução do Relatório sobre as Desigualdades, onde o PlanAPP tem desenvolvido análises quantitativas (de descrição e simulação) e qualitativas de várias dimensões desigualdade. Uma das principais dificuldades deste processo é a necessidade contínua de fusão de informação de diferentes fontes. Pretende-se nesta tarefa mapear as várias fontes, organizar o processo de fusão e limpeza de dados que permitirá uma análise mais estável destes indicadores. A tarefa 3 é uma tarefa de estruturação de documentos semi-estruturados, Os documentos...

Hoje em dia, os dispositivos digitais de saúde desempenham um papel ativo nos cuidados de saúde e mesmo cooperar com o nosso clínico [1]. A prevenção e resposta em tempo real permitem diminuir os custos com a saúde e aumentam a qualidade geral da saúde dos indíviduos [2].Os doentes têm maior facilidade de acesso a cuidados especializados quando equipados com dispositivos de deteção, que monitorizam eficazmente o estado de saúde e reconhecem alterações ou eventos anormais. Cada vez mais pessoas utilizam efetivamente dispositivos digitais de saúde equipados com sistemas de IA (ou que enviam dados para esses sistemas), muitos dos quais classificados como dispositivos médicos (Regulamento (UE) 2017/745 e Regulamento (UE) 2017/746 da União Europeia) [3]. Em breve, a maioria dos clínicos, incluindo paramédicos e pessoal de enfermagem, estará a utilizar com frequência alguma tecnologia de IA [2]. Estas soluções de cuidados de saúde digitalmente capacitadas proporcionam uma deteção acelerada de caso, vigilância constante, acesso e tomada de decisão informada, melhorando a qualidade dos serviços e personalizando a saúde [4]. No entanto, para que a tecnologia de saúde digital seja eficaz, reutilizável e universal, não só não existem ainda normas suficientes que permitam a validação de muitos destes serviços, como também a ligação digital com a assistência médica e o processamento por IA de dados relacionados com a saúde carecem de normalização [5,6]. Embora a saúde digital possa ser apoiada por normas emergentes (como a HL7 FHIR) para facilitar a comunicação entre dispositivos e sistemas, precisamos também de normas que permitam o estabelecimento de processos de IA a executar em dados de saúde uniformes, transparentes e fiáveis, garantindo a conformidade desses processos com o quadro regulamentar existente, salvaguardas bem estabelecidas em matéria de privacidade dos dados e conformidade com a AI Act. Os dispositivos pessoais de saúde podem alterar positivamente os resultados...

Os objetivos estratégicos e o plano de ação do AI4PA Portugal têm um claro alinhamento com as principais áreas de foco do Plano de Ação para a Transição Digital:    Pilar I — Capacitação e inclusão digital das pessoas    Pilar II — Transformação digital do tecido empresarial    Pilar III — Digitalização do Estado    A atividade do Polo irá prosseguir seis objetivos estratégicos, alinhados com o Plano de Ação para a Transição Digital, a saber: a otimização das políticas públicas nas várias áreas da governação com base na Inteligência Artificial e na promoção de soluções tecnológicas digitais inovadoras; a melhoria da interação dos serviços públicos com os cidadãos e as empresas; a avaliação dos impactos sociais e das implicações éticas das tecnologias, incluindo da Inteligência Artificial; o aumento das competências digitais das entidades públicas e das pequenas e médias empresas (PME) que lhes prestam serviços; a disseminação de boas práticas e soluções reutilizáveis de origem nacional e internacional; e a melhoria da governação para a transição digital nas várias escalas de intervenção do Estado.    O AI4PA Portugal alinha a sua intervenção com o modelo estabelecido na rede europeia de polos de inovação digital visando os serviços prioritários dos Polos de Inovação Digital descritos o Plano de Ação para a Transição Digital,    1- Experimentação e teste de tecnologias digitais na fase prévia à decisão de investimento; 2- Qualificação e formação em competências digitais; 3- Apoio na procura de financiamento para investimento em tecnologias digitais; 4- Atuação como facilitador juntando diferentes atores.

O presente estudo contribui para o conhecimento da realidade, a avaliação do risco e a definição de estratégias de prevenção de fraude associada ao uso dos fundos Europeus em Portugal.  Os principais objetivos deste estudo são: * Recolher informação, tratar, sistematizar e analisar os dados sobre os fundos europeus em Portugal, em particular no que respeita a situações de irregularidades na sua utilização; * Identificar oportunidades de melhoria no processo de recolha de dados, na gestão dos sistemas 
de informação, e na partilha de informação entre as diversas organizações envolvidas;  * Aumentar a transparência sobre o uso dos fundos em Portugal.  Entidades envolvidas: Iscte, NovaSBE, ADC, IFAP, PGR Data início do projeto: 1 Abril 2022 Duração: 12 meses  

O objeto de estudo é a previsão atempada da possibilidade de incumprimento de metas temporais ou financeiras. Pretende-se testar o potencial de um sistema capaz de gerar um alerta para a possibilidade de incumprimento baseado em dados conhecidos no momento da candidatura ou em momentos chave do acompanhamento de projetos. Esse alerta deve ser fundamentado de acordo com as variáveis estudadas que estão diretamente envolvidas nesse resultado, de modo a apoiar uma decisão devidamente informada.

O projeto FCT DSAIPA/AI/0122/2020 AIMHealth – Aplicações Móveis Baseadas em Inteligência Artificial para Resposta de Saúde Pública, está a ser promovido pelo Centro de Investigação em Ciências da Informação, Tecnologias e Arquitetura (ISTAR-IUL), em colaboração com o Centro de Investigação e de Intervenção Social (CIS-IUL), ambos do Iscte – Instituto Universitário de Lisboa, e ainda, o Instituto de Telecomunicações (IT), a Associação para Investigação e Desenvolvimento da Faculdade de Medicina da Universidade de Lisboa (AIDFM) e o Centro Cardiovascular da Universidade de Lisboa (CCUL). Este projeto é financiado pela Fundação para a Ciência e a Tecnologia (FCT), segundo o contrato FCT DSAIPA/AI/0122/2020 ao abrigo do concurso “AI 4 COVID-19: Ciência dos Dados e Inteligência Artificial na Administração Pública para reforçar o combate à COVID 19 e futuras pandemias – 2020″. Enquadramento Devido à pandemia da COVID-19, os contactos pessoais foram limitados, tendo sido necessário o desenvolvimento de novas soluções para prevenir a propagação do vírus. Algumas das soluções tecnológicas apresentadas foram as aplicações de rastreamento de contactos, que informam os utilizadores e as autoridades acerca do potencial ou atual risco de propagação do vírus. Porém, entre os seus utilizadores esta abordagem levantou preocupações acerca da segurança e privacidade. Objectivo Tendo em conta as preocupações mencionadas, este projeto propõe a criação e a disponibilização de uma aplicação para smartphone e de uma plataforma segura e confiável de distribuição de serviços baseada em tecnologias de Blockchain e Inteligência Artificial, para identificar pacientes sintomáticos e assintomáticos assim como o risco de exposição, providenciando uma abordagem preventiva para as estratégias de Saúde Pública.

O projecto, desenvolvido em colaboração com as agências públicas portuguesas IAPMEI e AICEP, pretende contribuir para a melhoria da gestão dos incentivos ao investimento empresarial, recorrendo a várias abordagens de aprendizagem automática que permitem identificar níveis de risco operacional e estratégico dos projectos, nas fases de análise de candidaturas e de verificação de pedidos de pagamento. O projecto deverá resultar na produção de scorings de risco que possam auxiliar as actividades de análise e verificação na gestão dos incentivos. Os principais tipos de risco a analisar incluem: • Risco de anulação do projecto (antes ou depois do contrato, por iniciativa do promotor ou das autoridades públicas) • Risco de devolução de incentivo (por anulação do projecto, incumprimento do contrato, não certificação de adiantamento, inconformidade da despesa ou outros motivos) • Risco de não-utilização do incentivo aprovado • Risco de inclusão de despesas inelegíveis (nos pedidos de adiantamentos contra-factura, na certificação pagamentos intercalares ou nos pedidos de reembolso) • Não cumprimento das metas contratualizadas

Mobile security faces serious challenges, with alarming threat levels of malicious applications (malware). Malware applications attempt to capture user’s private data for illicit purposes, namely financial data, of personal context (such as location), business / corporate or other kinds of valuable information.  To address this problem the AppSentinel project proposes that App Stores should incorporate proactive and intelligent anti-malware mechanisms themselves, given its privileged position between developers and end-users. In this sense, we propose to research and develop an intelligent anti-malware system for Android App Stores, capable of performing static and dynamic analysis of malicious applications from several sources and understand their behavior patterns, which will then be used in testing new applications submitted to these stores. Moreover, these new applications will also be tested regarding good practices in secure mobile software development, which will lead to educational feedbacks to developers. Finally, a supervised machine learning system will be investigated and developed for efficient detection of new malicious applications based on users’ feedback. With these technological innovations we intend to reduce the incidence of malware on mobile devices, increase the efficiency in the analysis of virus reported by users and accelerate the reaction to new threats, and contribute to the adoption of secure mobile software development practices by developers.