Aplicação de resposta a perguntas baseada em LLMs e RAG para um centro de informação sobre medicamentos
Year: 2026
Type: dissertation
Abstract: Centro de Informação sobre Medicamentos (CIM) presta serviço de informação reativa a profissionais de saúde, demandando respostas precisas e rastreáveis sobre administração, preparo, diluição, estabilidade e compatibilidade de fármacos. Estudos anteriores demonstraram que Grandes Modelos de Linguagem (LLMs), isoladamente, são insuficientes para esse domínio clínico devido à estaticidade do conhecimento e ao risco de alucinação, e que implementações básicas de Geração Aumentada por Recuperação (RAG) ainda geram baixa similaridade semântica e elevada taxa de respostas evasivas. Dando continuidade a essa prova de conceito, este trabalho tem como entregável central um Produto Mínimo Viável (MVP): uma interface de uso, em modo pergunta–resposta única, que materializa uma configuração recomendada de backend RAG e estabelece o canal para a futura validação humana de utilidade e segurança. Para definir essa configuração com base em evidência, e não em ajuste arbitrário, o framework RAGAS é empregado como instrumento de investigação: uma série experimental, organizada em uma fase preliminar (Experimentos 1 e 2) e uma incremental cumulativa (Experimentos 3 a 8), na qual cada etapa altera um único componente do pipeline (ingestão, recuperação e geração), permite localizar em qual camada os ajustes trazem maior retorno e orientar as decisões de engenharia. A investigação indicou que os ajustes mais produtivos incidem sobre a fragmentação estrutural dos documentos e sobre o grounding leve no prompt, ao passo que o Chain-of-Thought degrada a ancoragem factual, um achado negativo que motivou sua exclusão da configuração final. Restrito ao modo pergunta–resposta única efetivamente coberto pela série experimental, o MVP é o artefato, pronto para implantação, por meio do qual a configuração recomendada alcançará os profissionais do CIM em trabalho futuro.
Author: Tonello, Iago
Language: Portuguese
Subfield: Health Informatics
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7213374948