Hybrid Retrieval RAG System for clinical decision support in portuguese

Abstract

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.