Sistema Multiagente para Recuperação Semântica e Apoio à Decisão Clínica em Ambientes de Dados Heterogêneos
Resumo
O acesso a informações médicas heterogêneas é desafio crítico na saúde. Este trabalho apresenta sistema multiagente integrando Geração Aumentada por Recuperação (RAG) com Grandes Modelos de Linguagem (LLMs) para processar consultas médicas. A arquitetura utiliza agentes especializados orquestrados em casos clínicos e orientações farmacêuticas. O sistema implementa compressão contextual reduzindo dados em 43% mantendo qualidade. Testes com 50 consultas alcançaram 92% de precisão no roteamento e 88% de satisfação nas respostas. A solução demonstra potencial como ferramenta de apoio à decisão clínica, considerando limitações de validação e conformidade regulatória.
Palavras-chave:
Sistemas Multiagentes, Geração Aumentada por Recuperação (RAG), Apoio à Decisão Clínica
Referências
BORKOWSKI, Andrew A.; BEN-ARI, Alon. Multiagent AI Systems in Health Care: Envisioning Next-Generation Intelligence. Federal Practitioner, v. 42, n. 5, 2025.
CHEN, Jiawei et al. Benchmarking large language models in retrieval-augmented generation. In: Proceedings of the AAAI Conference on Artificial Intelligence. 2024. p. 17754-17762.
CODELLA, Noel et al. Healthcare Agent Orchestrator (HAO) for Patient Summarization in Molecular Tumor Boards. arXiv preprint arXiv:2509.06602, 2025.
FRANÇA, Pedro AF et al. MarIA-DeepSeek: Uma Proposta de Assistente por Modelo Amplo de Linguagem para Agentes Comunitários de Saúde. In: Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS). SBC, 2025. p. 305-316.
JONNAGADDALA, Jitendra; WONG, Zoie Shui-Yee. Privacy preserving strategies for electronic health records in the era of large language models. npj Digital Medicine, v. 8, n. 1, p. 34, 2025.
GILBERT, Stephen; KATHER, Jakob Nikolas; HOGAN, Aidan. Augmented non-hallucinating large language models as medical information curators. NPJ digital medicine, v. 7, n. 1, p. 100, 2024.
LEWIS, Patrick et al. Retrieval-augmented generation for knowledge-intensive nlp tasks. Advances in neural information processing systems, v. 33, p. 9459-9474, 2020.
KE, Yuhe et al. Mitigating cognitive biases in clinical decision-making through multi-agent conversations using large language models: simulation study. Journal of Medical Internet Research, v. 26, p. e59439, 2024.
MANGILI, Otavio Celeste; MOFFA, Paulo J.; BENVENUTI, Luiz Alberto. Caso 2/06-insuficiência cardíaca na evolução tardia depois de infarto do miocárdio em mulher de 33 anos de idade. Arquivos Brasileiros de Cardiologia, v. 86, p. 310-316, 2006.
MARTINS, K. O. F. Componente Especializado da Assistência Farmacêutica. Apresentação realizada no Grupo Técnico de Assistência Farmacêutica da Comissão Intergestores Bipartite. 2015.
OMIYE, Jesutofunmi A. et al. Large language models in medicine: the potentials and pitfalls: a systematic review. Journal of the American Medical Informatics Association, v. 31, n. 3, p. 776-783, 2024.
PASSINATO, Emanuel B.; RIOS, Walcy SR; GALVÃO FILHO, Arlindo R. Integraçao de modelos de linguagem e rag na criaçao de chatbots oftalmológicos. In: Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS). SBC, 2024. p. 354-365.
QUIGLEY, Keegan et al. Designing Retrieval-Augmented Language Models for Clinical Decision Support. In: AI for Health Equity and Fairness: Leveraging AI to Address Social Determinants of Health. Cham: Springer Nature Switzerland, 2024. p. 159-171.
REIS, Davi; REIS, Zilma; ROCHA, Leonardo. Instruções de Uso de Medicamentos Suportadas por RAG em Grandes Modelos de Linguagem. Revista Eletrônica de Iniciação Científica em Computação, v. 23, p. 143-149, 2025.
ROTHSTEIN, Mark A. Is deidentification sufficient to protect health privacy in research?. The American Journal of Bioethics, v. 10, n. 9, p. 3-11, 2010.
SINGHAL, K., Azizi, S., Tu, T. et al. Large language models encode clinical knowledge. Nature 620, 172–180 (2023).
CHEN, Jiawei et al. Benchmarking large language models in retrieval-augmented generation. In: Proceedings of the AAAI Conference on Artificial Intelligence. 2024. p. 17754-17762.
CODELLA, Noel et al. Healthcare Agent Orchestrator (HAO) for Patient Summarization in Molecular Tumor Boards. arXiv preprint arXiv:2509.06602, 2025.
FRANÇA, Pedro AF et al. MarIA-DeepSeek: Uma Proposta de Assistente por Modelo Amplo de Linguagem para Agentes Comunitários de Saúde. In: Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS). SBC, 2025. p. 305-316.
JONNAGADDALA, Jitendra; WONG, Zoie Shui-Yee. Privacy preserving strategies for electronic health records in the era of large language models. npj Digital Medicine, v. 8, n. 1, p. 34, 2025.
GILBERT, Stephen; KATHER, Jakob Nikolas; HOGAN, Aidan. Augmented non-hallucinating large language models as medical information curators. NPJ digital medicine, v. 7, n. 1, p. 100, 2024.
LEWIS, Patrick et al. Retrieval-augmented generation for knowledge-intensive nlp tasks. Advances in neural information processing systems, v. 33, p. 9459-9474, 2020.
KE, Yuhe et al. Mitigating cognitive biases in clinical decision-making through multi-agent conversations using large language models: simulation study. Journal of Medical Internet Research, v. 26, p. e59439, 2024.
MANGILI, Otavio Celeste; MOFFA, Paulo J.; BENVENUTI, Luiz Alberto. Caso 2/06-insuficiência cardíaca na evolução tardia depois de infarto do miocárdio em mulher de 33 anos de idade. Arquivos Brasileiros de Cardiologia, v. 86, p. 310-316, 2006.
MARTINS, K. O. F. Componente Especializado da Assistência Farmacêutica. Apresentação realizada no Grupo Técnico de Assistência Farmacêutica da Comissão Intergestores Bipartite. 2015.
OMIYE, Jesutofunmi A. et al. Large language models in medicine: the potentials and pitfalls: a systematic review. Journal of the American Medical Informatics Association, v. 31, n. 3, p. 776-783, 2024.
PASSINATO, Emanuel B.; RIOS, Walcy SR; GALVÃO FILHO, Arlindo R. Integraçao de modelos de linguagem e rag na criaçao de chatbots oftalmológicos. In: Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS). SBC, 2024. p. 354-365.
QUIGLEY, Keegan et al. Designing Retrieval-Augmented Language Models for Clinical Decision Support. In: AI for Health Equity and Fairness: Leveraging AI to Address Social Determinants of Health. Cham: Springer Nature Switzerland, 2024. p. 159-171.
REIS, Davi; REIS, Zilma; ROCHA, Leonardo. Instruções de Uso de Medicamentos Suportadas por RAG em Grandes Modelos de Linguagem. Revista Eletrônica de Iniciação Científica em Computação, v. 23, p. 143-149, 2025.
ROTHSTEIN, Mark A. Is deidentification sufficient to protect health privacy in research?. The American Journal of Bioethics, v. 10, n. 9, p. 3-11, 2010.
SINGHAL, K., Azizi, S., Tu, T. et al. Large language models encode clinical knowledge. Nature 620, 172–180 (2023).
Publicado
12/11/2025
Como Citar
TRINDADE, Ademar Alves; NEVES, Jefferson Paizano; ANDRADE, Tiago Luís.
Sistema Multiagente para Recuperação Semântica e Apoio à Decisão Clínica em Ambientes de Dados Heterogêneos. In: ESCOLA REGIONAL DE INFORMÁTICA DE MATO GROSSO (ERI-MT), 14. , 2025, Pontes e Lacerda/MT.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 30-39.
ISSN 2447-5386.
DOI: https://doi.org/10.5753/eri-mt.2025.17227.
