A presente pesquisa apresenta uma aplicação da modelagem híbrida fuzzy-bayes para sistemas inteligentes. Para tal, foram utilizadas duas técnicas de inteligência artificial voltadas para o tratamento de incertezas imprecisas e aleatórias. Desta forma, a idéia da modelagem híbrida é aplicar nos dados de entrada do sistema evidências imprecisas, com isso, foi utilizada uma modificação do Teorema de Bayes que gera uma redistribuição do vetor de probabilidades da saída da rede bayesiana. A metodologia utilizada contou com as etapas de definição da shell para a rede bayesiana, ambiente de desenvolvimento do sistema, definição da problemática da área da saúde, modelagem e aquisição do conhecimento fuzzy e bayes para o modelo híbrido. Teve-se como resultado um sistema híbrido voltado à área médica de Urologia especificamente ao processo de raciocínio e diagnóstico de câncer de próstata e hiperplasia prostática benigna, contando para isso, com um especialista desse domínio de conhecimento, docente do curso de medicina da UNESC. Na modelagem do sistema utilizou-se a inferência bayesiana, e os sinais, sintomas e exames que levam ao diagnóstico foram representados pelas rede bayesianas com exceção dos exames PSA total, e densidade do PSA, que foram consideradas informações imprecisas, e portanto concebidas pela lógica fuzzy e suas funções de pertinências L e trapezoidal. O desenvolvimento do aplicativo Centauro resultante desta pesquisa deu-se na linguagem Java, no ambiente NetBeans IDE 5.5 para a representação fuzzy do conhecimento e ainda neste software, pela Netica Java API para acesso a rede bayesiana construída na Shell Netica, apresentando versões nas modalidades desktop, e applet disponível no site do grupo de Pesquisa e Informática Medica e Telemedicina da UNESC. Conforme testes realizados pelo especialista concluiu-se que o sistema apresentou resultados satisfatórios modelando adequadamente o domínio de conhecimento proposto.