Uma plataforma que combina agentes especializados, busca com RAG e workflows clinicos para transformar informacao em decisoes mais rapidas, seguras e rastreaveis - do estudo ao cuidado continuo do paciente.
Uma plataforma que combina orquestração de agentes especializados com recuperação de evidências médicas para apoiar decisões clínicas.
No núcleo técnico, definimos nosso próprio algoritmo de orquestração. Construímos uma camada que coordena agentes especializados, impõe contratos de entrada e saída e mantém o sistema auditável por construção.
Implementamos nosso próprio algoritmo de recuperação. O RAG é desenhado para apoiar fluxos clínicos reais, com políticas explícitas de recuperação, seleção de evidências e citações rastreáveis.
Componentes funcionam em contextos diferentes: acompanhamento de pacientes, deliberação entre especialistas e aprendizagem estruturada. Cada um com regras e validações específicas.
Cada módulo é um agente especializado com ferramentas e contexto específicos
Plataforma de aprendizagem para estudantes de medicina e médicos em especialização. Transforma documentos e temas clínicos em artefatos de aprendizagem.
Conversa estruturada sobre temas médicos. O tutor adapta explicações ao nível do aluno e usa o RAG para fundamentar respostas.
Geração automática de questões a partir de documentos. Questões de múltipla escolha com explicação de cada alternativa.
Sistema de repetição espaçada baseado no algoritmo SuperMemo-2. Cards são criados automaticamente ou manualmente.
Geração de mapas mentais a partir de documentos. Exportação em formatos padrão para estudo offline.
Plataforma de deliberação estruturada. Especialistas por área discutem casos em formato controlado para convergir na melhor resposta clínica.
Chat com um especialista de área específica (cardiologia, neurologia, oncologia, etc.). O especialista usa RAG para fundamentar respostas e pode solicitar informações adicionais.
Deliberação multi-especialista simulando uma junta médica. Múltiplos especialistas analisam o mesmo caso e produzem:
Estrutura de deliberação hierárquica
Em cada painel de deliberação, definimos papéis claros para garantir qualidade e rastreabilidade das conclusões.
É quem lidera a análise do caso. Recebe a pergunta primeiro, estrutura a abordagem inicial e define os pontos críticos a serem avaliados. Sua opinião serve como referência para o debate.
Analisa o caso de forma independente, sem ver a resposta do primário inicialmente. Depois de formular sua opinião, compara com a do primário para identificar convergências e divergências.
Quando há divergência entre primário e secundário, inicia-se um processo estruturado de debate. Cada especialista apresenta seus argumentos com evidências. O sistema registra cada turno de deliberação.
Divergências não são eliminadas artificialmente. Quando especialistas discordam após o debate, o sistema:
Síntese de literatura médica com acesso a PubMed, guidelines e documentos internos. Duas modalidades de pesquisa.
Busca no RAG interno e PubMed para responder perguntas clínicas. Retorna resposta sintetizada com citações.
Para questões complexas que exigem análise mais extensa:
Análise de medicamentos, interações e farmacocinética com múltiplas fontes de dados integradas.
Verificação de interações entre medicamentos com classificação de severidade e mecanismo de ação.
Dados de absorção, distribuição, metabolismo e excreção para ajuste de dose.
Integração com 7 bases: Medical MCP, BioMCP, BioThings, GGET, OpenGenes, SynergyAge e OMOP.
Cálculos de dose com verificação de segurança e aprovação humana obrigatória para casos críticos.
Clearance de creatinina, superfície corporal, dose pediátrica, ajustes por peso e função renal/hepática.
Busca de medicamentos em base FHIR com dados de bula, apresentações e via de administração.
Checagem automática de dose máxima, interações e contraindicações antes de sugerir dose.
Doses críticas (quimioterápicos, anticoagulantes, pediátricos) requerem confirmação do clínico antes de serem finalizadas.
Monitoramento estruturado com triagem automática e escalação médica. Organiza acompanhamento em ambiente WhatsApp-first.
Em vez de mensagens soltas, o paciente é guiado por perguntas estruturadas que capturam sinais e sintomas relevantes. O sistema produz resumos clínicos padronizados.
Sintomas subjetivos: dor, febre, vômitos, sangramento, débito de ostomia, evacuações, sinais de desidratação, piora funcional
Dados objetivos: temperatura, frequência cardíaca, pressão arterial, imagens quando aplicável
Sinais alimentam estratificação baseada em regras explícitas e limiares claros:
Quando um gatilho é atingido, o sistema gera pacote para o hospital/médico explicando:
Acompanhamento de pacientes após cirurgia. Foco em detectar complicações precoces.
Monitoramento de pacientes com Doença de Crohn e Retocolite Ulcerativa. Foco em detectar crises.
Estudo clínico em andamento com aprovação do Comitê de Ética em Pesquisa via Plataforma Brasil, garantindo conformidade com as normas de pesquisa envolvendo seres humanos.
Acompanhamento domiciliar de pacientes crônicos ou em recuperação.
Organização estruturada do acompanhamento
Cada paciente em acompanhamento tem um ou mais episódios de cuidado. Um episódio representa um período contínuo de monitoramento com objetivo clínico definido.
Estágios
Níveis de Risco
O sistema pode identificar pacientes que se beneficiariam de acompanhamento estruturado mesmo antes do episódio ser formalmente criado.
Cada episódio tem uma linha do tempo visual que mostra todas as interações, alertas, mudanças de risco e decisões clínicas em ordem cronológica.
O médico sempre tem a palavra final
Human-in-the-Loop (HITL) é o princípio de que decisões críticas requerem validação humana. O sistema sugere, mas não decide sozinho em casos que podem impactar a segurança do paciente.
Quando o sistema detecta uma situação que requer atenção médica, inicia-se um fluxo estruturado de escalação.
Alertas são organizados por prioridade e tempo. O médico tem uma visão consolidada de todos os pacientes que precisam de atenção.
Se o responsável primário não responde em tempo hábil, o alerta é escalado automaticamente.
Ferramentas para o clínico gerenciar seus pacientes
O módulo de acompanhamento oferece um painel completo para o médico visualizar e gerenciar todos os seus pacientes em monitoramento.
Visão consolidada de todos os episódios ativos, organizados por risco, tempo sem interação e alertas pendentes.
Todos os pacientes em acompanhamento com filtros por status, risco, submódulo (pós-op, DII, home care) e tempo de última interação.
Possibilidade de enviar mensagem direta ao paciente quando necessário, com registro na linha do tempo.
Capacidade de ajustar parâmetros do protocolo para um paciente específico: frequência de contato, limiares de alerta, perguntas adicionais.
Geração de relatórios estruturados: resumo de acompanhamento, histórico de alertas, evolução de risco, para anexar ao prontuário.
Possibilidade de transferir o acompanhamento para outro profissional ou equipe, com registro formal de handoff.
Evidências clínicas (incluindo pós-operatório) demonstram a necessidade de monitoramento estruturado
15-30%
das reinternações são evitáveis
Annals of Surgery (2023)
60%
dos pacientes ficam sem contato nas 48h críticas pós-alta
JAMA Surgery (2021)
18%
taxa média de reinternação em cirurgias de alta complexidade
Dados internos DocIA
R$ 4.000-7.000
custo médio por reinternação no Brasil
Dados internos DocIA
147M+ usuários ativos no Brasil
98% de taxa de abertura. Canal que o paciente já usa diariamente, eliminando barreiras de adoção.
DataReportal (2024)
Telemedicina regulamentada pelo Conselho Federal de Medicina. Alinhada à LGPD.
CFM 2.314/2022Selecionamos o modelo mais adequado para cada tipo de tarefa clínica
Modelo de raciocínio avançado. Quando a resposta exige análise aprofundada (síntese de casos clínicos, deliberação entre especialistas, pesquisa médica estruturada) usamos GPT-5.2 para garantir respostas fundamentadas.
Modelo com modo de pensamento estendido. Usado quando a análise precisa de mais tempo de reflexão: verificação cruzada de evidências, validação de relações no grafo semântico, casos que exigem múltiplas perspectivas.
Modelo otimizado para velocidade. Usado em operações que precisam de resposta imediata: triagem inicial de mensagens de pacientes, classificação de urgência, verificações de segurança em tempo real.
Nosso framework proprietário de orquestração de agentes médicos
MedFlowAI é o núcleo técnico da DocIA. Construído sobre OpenAI Agents SDK e Pydantic-AI, define como agentes especializados colaboram, como evidências são recuperadas e como o sistema mantém rastreabilidade.
Cada módulo é um agente especializado com ferramentas, contexto e limites definidos. Agentes podem transferir controle (handoff) quando necessário.
Toda interação entre agentes usa schemas validados. Isso evita respostas mal formadas e facilita auditoria.
Cada decisão, transferência e recuperação de evidência é registrada com timestamp, versão do fluxo e critérios aplicados.
Como buscamos e validamos informações médicas
Cada resposta da plataforma é fundamentada em evidências. Desenvolvemos um sistema próprio que combina múltiplas formas de busca com um mapa de relações entre conceitos médicos.
Sistema e Usuário trabalham em conjunto
O DocIA opera com dois corpora de conhecimento complementares que são consultados de forma inteligente conforme o contexto da pergunta.
Base de conhecimento curada pela equipe DocIA, contendo diretrizes clínicas das principais sociedades médicas, literatura indexada via PubMed, protocolos institucionais validados e bulas de medicamentos. Este corpus é compartilhado entre todos os usuários e mantido atualizado pela equipe.
Documentos enviados por você, organizados por módulo. Cada módulo (Estudo, Pesquisa, Especialistas, Dosagem, Acompanhamento) mantém seu próprio acervo de documentos. Arquivos enviados no chat são indexados automaticamente e ficam disponíveis para consulta futura.
Quando você faz uma pergunta, o sistema decide automaticamente quais corpora consultar. Perguntas sobre seus próprios materiais buscam no corpus do usuário. Perguntas sobre conhecimento médico geral consultam o corpus do sistema. Em muitos casos, ambos são consultados e as respostas combinadas.
Resultados dos dois corpora são mesclados com atribuição clara de fonte
O que é PubMed?
PubMed é a maior base de dados de literatura biomédica do mundo, mantida pelo governo dos Estados Unidos (National Library of Medicine). Contém mais de 35 milhões de referências a artigos científicos de medicina, enfermagem, odontologia e ciências da saúde.
Nossa integração permite buscar, filtrar e citar artigos diretamente nas respostas. Você pode filtrar por data de publicação, tipo de estudo (ensaio clínico, revisão sistemática, meta-análise) e relevância clínica.
Indexamos guidelines das principais sociedades médicas: American Heart Association (AHA), European Society of Cardiology (ESC), Sociedade Brasileira de Cardiologia (SBC), American Society for Gastrointestinal Endoscopy (ASGE), entre outras. Cada citação inclui a seção específica e a versão do documento.
Você pode fazer upload de seus próprios materiais: artigos em PDF, protocolos institucionais, aulas, prontuários escaneados. Usamos inteligência artificial para extrair texto de imagens e PDFs, dividir o conteúdo em seções lógicas e indexar para busca.
Usamos Mistral OCR para converter PDFs, imagens e documentos escaneados em texto estruturado. Reconhece tabelas, fórmulas e organiza por seções.
Usamos embeddings de texto gerados pelo Gemini para representar semanticamente cada trecho. Combinamos índice semântico (pgvector) e lexical (tsvector) com fusão RRF (Reciprocal Rank Fusion).
Buscamos por similaridade semântica no índice vetorial e combinamos com busca lexical usando RRF para encontrar os trechos mais relevantes.
Duas IAs (Gemini 3 Flash + GPT-5-mini) validam citações e removem duplicatas. Cada fonte recebe nível de confiança.
Como organizamos o conhecimento
Imagine um mapa onde cada conceito médico (uma droga, uma doença, um procedimento) é um ponto, e linhas conectam conceitos relacionados. Por exemplo: 'Metformina' conecta a 'Diabetes tipo 2' (indicação), 'Acidose lática' (efeito adverso raro) e 'Insuficiência renal' (contraindicação).
Quando você faz uma pergunta, navegamos por esse mapa para encontrar informações relacionadas que talvez não aparecessem em uma busca simples por palavras.
Modelo de embeddings visuais treinado em imagens médicas reais
MedSigLIP gera embeddings de 1152 dimensões exclusivamente para imagens médicas reais (radiografias, ultrassons, fotos de feridas). Ilustrações e diagramas são processados separadamente.
Gera embeddings visuais para imagens com is_real_medical_image=TRUE. Treinado em datasets MIMIC-CXR, PAD-UFES-20 e TCGA/CAMELYON.
Ferramenta image_search permite busca texto-para-imagem via endpoint Vertex AI. Encontra imagens similares a partir de descrições clínicas.
O sistema se adapta conforme quem está usando
DocIA oferece diferentes experiências dependendo do perfil e necessidade de cada usuário.
Você pode configurar como o sistema se comporta de acordo com suas necessidades.
Suas preferências são armazenadas de forma segura e aplicadas automaticamente em todas as interações. Você pode alterá-las a qualquer momento nas configurações.
Contexto acumulado para acompanhamento personalizado
No módulo de Acompanhamento, o sistema mantém uma memória estruturada de cada paciente para oferecer cuidado personalizado e contextualizado.
Dados demográficos, comorbidades, alergias, medicamentos em uso e histórico cirúrgico. Informações que contextualizam cada interação.
Observações relevantes registradas ao longo do acompanhamento: resultados de exames, intercorrências, respostas a tratamentos, evolução de sintomas.
Horários preferidos para contato, forma de comunicação, idioma, necessidades especiais de acessibilidade.
Com essa memória contextualizada, o sistema reconhece o histórico do paciente e não faz perguntas redundantes. Cada interação considera o que já foi registrado.
Acesso completo às funcionalidades clínicas
Foco em aprendizagem e preparação para provas
Interface simplificada via WhatsApp
Cada interação é registrada com contexto, timestamp e versão do fluxo
Registro completo de cada pergunta, resposta, fonte consultada e decisão tomada.
Cada interação registra a versão dos critérios e regras aplicadas para reprodutibilidade.
Escalações explicam por que foram disparadas e quais sinais sustentam a decisão.
Decisões críticas passam por aprovação do clínico antes de serem finalizadas.