Hybrid Retrieval RAG System for Clinical Decision Support in Portuguese

• Lucas Henrique Gonzaga de Sales UFRPE
• Pablo Azevedo Sampaio UFRPE
• Maria Taciana Holanda Cavalcanti UFRPE

DOI: https://doi.org/10.5753/eniac.2026.30599

Resumo

Sistemas de apoio à decisão clínica (CDSS) baseados em modelos de linguagem em sua maioria dependem de bases estáticas e de domínio único, herdando do RAG convencional a fragmentação do conhecimento em chunks. Este trabalho propõe, em caráter de prova de conceito, um CDSS baseado em Retrieval-Augmented Generation (RAG) para recomendação de medicamentos em português, com conhecimento inteiramente fornecido pelo usuário. A arquitetura combina recuperação híbrida (BM25 e embeddings densos com fusão RRF), alimentada por fichas em JSON extraídas de artigos clínicos por um LLM. Em 50 casos sintéticos no domínio fitoterápico, a configuração híbrida recuperou o tratamento-alvo em 95,3% ± 4,6% dos casos (n=3; IC95% de Wilson [86,5–98,9%]), com HR@3 de 0,88 a 0,94, triplicando o baseline lexical. O sistema demonstrou abstenção diante de condições sem evidência na base. Por se apoiarem em casos sintéticos e em base compacta, os resultados caracterizam um estudo preliminar e não uma validação clínica, sendo o sistema destinado exclusivamente a profissionais habilitados.

Referências

BRASIL. Agência Nacional de Vigilância Sanitária. Memento Fitoterápico da Farmacopeia Brasileira. 1. ed. Brasília: Anvisa, 2016. Disponível em: [link]. Acesso em: jan. 2026.

Brown, T. B., Mann, B., Ryder, N. et al. (2020) "Language Models are Few-Shot Learners", arXiv:2005.14165. DOI: 10.48550/arXiv.2005.14165.

Chen, J., Xiao, S., Zhang, P., Luo, K., Lian, D. e Liu, Z. (2024) "BGE M3-Embedding: Multi-Lingual, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation", In: Findings of the ACL 2024, ACL. DOI: 10.18653/v1/2024.findings-acl.137.

Farber, M. et al. (2025) "IaraMed: A Women's Healthcare Chatbot for Portuguese Speakers", In: Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS). DOI: 10.5753/sbcas.2025.7897.

Gupta, P., Ramachandran, A., Keerthi, A., Dave, P. S., Giridhar, S., Kallapur, S. S. e Saikia, A. (2020) "An Overview of Clinical Decision Support System (CDSS) as a Computational Tool and Its Applications in Public Health", In: EAI/Springer Innovations in Communication and Computing, Springer.

Gupta, S., Ranjan, R. e Singh, S. N. (2024) "A Comprehensive Survey of Retrieval-Augmented Generation (RAG): Evolution, Current Landscape and Future Directions", arXiv:2410.12837. [link].

Mala, C. S., Gezici, G. e Giannotti, F. (2025) "Hybrid Retrieval for Hallucination Mitigation in Large Language Models: A Comparative Analysis", arXiv:2504.05324. [link].

Passinato, B., Rios, R. e Galvão Filho, M. V. (2024) "Integração de Modelos de Linguagem e RAG na Criação de Chatbots Oftalmológicos", In: Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS). DOI: 10.5753/sbcas.2024.2228.

Rathod, P. e Anurag (2024) "Efficient Usage of RAG Systems in the World of LLMs", TechRxiv. DOI: 10.36227/techrxiv.171625877.73379410/v1.

Reis, D., Reis, Z. e Rocha, L. (2025) "Instruções de Uso de Medicamentos Suportadas por RAG em Grandes Modelos de Linguagem", Revista Eletrônica de Iniciação Científica em Computação, v. 23, n. 1. DOI: 10.5753/reic.2025.6039.

Singhal, K., Tu, T., Gottweis, J. et al. (2025) "Toward Expert-Level Medical Question Answering with Large Language Models", Nature Medicine, v. 31, p. 943–950. DOI: 10.1038/s41591-024-03423-7.

Song, S., Peng, K. C., Wang, E. T. e Liu, T. Y. A. (2025) "Open-Source DeepSeek-R1 Outperforms Proprietary Non-Reasoning Large Language Models With and Without Retrieval-Augmented Generation", medRxiv. DOI: 10.1101/2025.09.12.25334809.

Souza, F., Nogueira, R. e Lotufo, R. (2020) "BERTimbau: Pretrained BERT Models for Brazilian Portuguese", In: Intelligent Systems – BRACIS 2020, LNCS, v. 12319, Cham, Springer, p. 403–417. DOI: 10.1007/978-3-030-61377-8_28.

Sundararajan, B., Sripada, S. e Reiter, E. (2025) "Input Matters: Evaluating Input Structure's Impact on LLM Summaries of Sports Play-by-Play", arXiv:2510.21034. [link].

Zakka, C., Shad, R., Chaurasia, A. et al. (2024) "Almanac – Retrieval-Augmented Language Models for Clinical Medicine", NEJM AI, v. 1, n. 2, p. AIoa2300068. DOI: 10.1056/AIoa2300068.

Zhao, W. X., Zhou, K., Li, J. et al. (2023) "A Survey of Large Language Models", arXiv:2303.18223. DOI: 10.48550/arXiv.2303.18223.