Conheça o projeto: Sistema de auditoria medica com IA e ML
Video de Demonstração do Projeto
📝 Detalhes do Projeto
1. O Problema de Negócio
Operadoras de planos de saúde gastam milhões com auditoria de sinistros e liberação de exames complexos em processos manuais lentos. A aplicação de IA pode acelerar a regulação ao cruzar históricos com diretrizes da ANS (Agência Nacional de Saúde). No entanto, injetar regulamentações inteiras diretamente no prompt gera duas dores críticas:
- Faturas Astronômicas: LLMs cobram por volume de tokens, tornando o uso de contextos longos ou chamadas ineficientes inviável financeiramente.
- Falta de Governança: A ausência de métricas de custos em tempo real impede que diretores de tecnologia (CTOs) controlem o orçamento de IA da operação.
2. A Solução Proposta
Sistema inteligente de triagem médica integrado a um painel corporativo de FinOps (Finance & Operations). A solução utiliza Machine Learning para classificar previamente os riscos da guia médica, um mecanismo RAG dinâmico para filtrar estritamente a diretriz necessária (reduzindo tokens inúteis), e um rastreador local e exato de custos de tokens para garantir observabilidade financeira.
3. Impacto de Negócio Esperado
- Previsibilidade Orçamentária: Rastreamento em tempo real do custo exato de cada consulta individual e da curva de gasto acumulada corporativa.
- Eficiência na Auditoria de Sinistros: Resposta e vereditos emitidos em segundos, reduzindo custos operacionais com juntas médicas manuais.
- Otimização Drástica de Custos de IA: Redução do custo por requisição ao fatiar resoluções regulatórias massivas em blocos enxutos e estritamente contextualizados via RAG.
4. Stack Tecnológico
- Rastreamento de Custos (FinOps)
- Orquestração Cognitiva (LLM & RAG)
- Machine Learning Tradicional
- Visualização Executiva & UX
Descrição:
Sistema inteligente de triagem de exames médicos regulamentados pela ANS, integrando inteligência analítica com controle rigoroso de custos de IA.
Ações Técnicas:
Treinamento de um modelo de Random Forest para detecção probabilística de irregularidades em guias médicas. Acoplamento de arquitetura RAG (Retrieval-Augmented Generation) customizada para busca vetorial densa de normas jurídicas em arquivos PDF e integração com a API LLM. Implementação local de rastreamento de custos (token-tracking).
Impacto de Negócio:
Redução de até 80% na janela de contexto de prompts (gerando economia direta em escala para faturas de nuvem) e automação de pareceres clínicos com auditoria e comprovação em tempo real.