Mostrar registro simples

Agente Inteligente baseado em LLM para orientação clinica em profilaxia pós- exposição a materiais biológicos

dc.creatorAssis, Júlia Didra Bezerra de
dc.date.accessioned2026-06-16T23:45:22Z
dc.date.available2026-06-16T23:45:22Z
dc.date.issued2026-03-09
dc.identifier.citationAssis, Júlia Didra Bezerra de. Agente Inteligente Baseado em LLM para Orientação Clínica em Profilaxia Pós-Exposição a Materiais Biológicos. 2026. 42f. Trabalho de Conclusão de Curso. (Curso de Engenharia Civil) - Instituto Federal de Ciência e Tec-nologia de Pernambuco, Recife. 2026.pt_BR
dc.identifier.urihttps://repositorio.ifpe.edu.br/xmlui/handle/123456789/2212
dc.description.abstractExposure to biological materials poses significant risks for HIV and other sexually transmitted infections, making the timely initiation and proper management of post-exposure prophylaxis (PEP) essential. Effective PEP, however, depends on accurate risk assessment, clear protocol guidance, and continuous follow-up—processes often limited by healthcare constraints and patient misunderstanding. These challenges may lead to delayed initiation or poor adherence to the 28-day regimen. To address this gap, this study presents a Large Language Model-based conversational Agent integrated with a Retrieval- Augmented Generation (RAG) framework to support patients undergoing PEP in Brazil. The Agent was assessed using a five-point Likert-scale questionnaire applied to eighteen medical specialists, who evaluated clinical accuracy, alignment with official protocols, empathy, and conversational coherence. The Agent’s responses were highly rated, with over 80% strong agreement across all evaluated dimensions. In the overall assessment, 77.8% of evaluators rated the system as high quality, while 16.7% considered it good with minor limitations, supporting its feasibility and potential applicability as a clinical guidance-support tool.pt_BR
dc.format.extent41f.pt_BR
dc.languagept_BRpt_BR
dc.relationABDALLAH, Abdelrahman et al. Rankify: A Comprehensive Python Toolkit for Retrieval, Re-Ranking, and Retrieval-Augmented Generation. [S. l.]: arXiv, 2025. DOI: 10.48550/ARXIV.2502.02464. Dispon´ıvel em: https://arxiv.org/abs/2502.02464. AKPAN, Ikpe Justice et al. Conversational and generative artificial intelligence and human–chatbot interaction in education and research. International Transactions in Operational Research, 2025. AYYAMPERUMAL, Suriya Ganesh; GE, Limin. Current state of LLM Risks and AI Guardrails. [S. l.]: arXiv, 2024. DOI: 10.48550/ARXIV.2406.12934. Dispon´ıvel em: https://arxiv.org/abs/2406.12934. CHOWDHURY, Abdullahi et al. Generative AI: A survey of historical development, emerging trends, and future outlook. Computer Science and Engineering Research, Genesis Publishing Consortium Limited, v. 2, n. 1, p. 19–31, ago. 2025. DOI: 10.69517/cser.2025.02.01.0004. Dispon´ıvel em: https://doi.org/10.69517/cser.2025.02.01.0004. FEUERRIEGEL, Stefan et al. Generative AI. Business & Information Systems Engineering, Springer Science e Business Media LLC, v. 66, n. 1, p. 111–126, set. 2023. ISSN 1867-0202. DOI: 10.1007/s12599-023-00834-7. Dispon´ıvel em: https://doi.org/10.1007/s12599-023-00834-7. FOOTE, S. Learning to Program. [S. l.]: Pearson Education, 2014. (Learning). ISBN 9780133795226. Dispon´ıvel em: https://books.google.com.br/books?id=XHnbBAAAQBAJ. HOAGLAND, Brenda et al. Telemedicine as a tool for PrEP delivery during the COVID-19 pandemic in a large HIV prevention service in Rio de Janeiro-Brazil. Brazilian Journal of Infectious Diseases, SciELO Brasil, v. 24, n. 4, p. 360–364, 2020. HOLANDA LINS, Fl´avio Henrique de et al. Produto m´ınimo vi´avel de telemedicina para profilaxia p´os-exposi，c˜ao a material biol´ogico na pandemia da covid-19. Rev Bras Med, v. 2, p. 9, 2023. JOSHI, Ankur et al. Likert Scale: Explored and Explained. British Journal of Applied Science & Technology, Sciencedomain International, v. 7, n. 4, p. 396–403, jan. 2015. ISSN 2231-0843. DOI: 10.9734/bjast/2015/14975. Dispon´ıvel em: https://doi.org/10.9734/bjast/2015/14975. LEE, Haena et al. P-HNSW: Crash-Consistent HNSW for Vector Databases on Persistent Memory. Applied Sciences, MDPI AG, v. 15, n. 19, p. 10554, set. 2025. ISSN 2076-3417. DOI: 10.3390/app151910554. Dispon´ıvel em: https://doi.org/10.3390/app151910554. LI, Tianle et al. From Crowdsourced Data to High-Quality Benchmarks: Arena-Hard and BenchBuilder Pipeline. [S. l.]: arXiv, 2024. DOI: 10.48550/ARXIV.2406.11939. Dispon´ıvel em: https://arxiv.org/abs/2406.11939. LINS, Fl´avio et al. Produto m´ınimo vi´avel de telemedicina para profilaxia p´os-exposi，c˜ao a material biol´ogico na pandemia da covid-19. Revista Brasileira de Medicina do Trabalho, 2023. LINS, Fl´avio Henrique de Holanda et al. Telemedicine in Post-Exposure Prophylaxis to Biological Material During the COVID-19 Pandemic: Impact on Care and Outcome Indicators. Telemedicine and e-Health, SAGE Publications Sage CA: Los Angeles, CA, v. 30, n. 9, p. 2445–2455, 2024. LIU, Shanshan et al. Adherence, adverse drug reactions, and discontinuation associated with adverse drug reactions of HIV post-exposure prophylaxis: a meta-analysis based on cohort studies. Annals of Medicine, Informa UK Limited, v. 55, n. 2, dez. 2023. ISSN 1365-2060. DOI: 10.1080/07853890.2023.2288309. Dispon´ıvel em: https://doi.org/10.1080/07853890.2023.2288309. LUBANOVIC, B. FastAPI: Modern Python Web Development. [S. l.]: O’Reilly Media, 2023. ISBN 9781098135461. Dispon´ıvel em: https://books.google.com.br/books?id=XJHhEAAAQBAJ. MA, Le et al. A Comprehensive Survey on Vector Database: Storage and Retrieval Technique, Challenge. [S. l.]: arXiv, 2023. DOI: 10.48550/ARXIV.2310.11703. Dispon´ıvel em: https://arxiv.org/abs/2310.11703. MASSA, Paula et al. A Transgender Chatbot (Amanda Selfie) to Create Pre-exposure Prophylaxis Demand Among Adolescents in Brazil: Assessment of Acceptability, Functionality, Usability, and Results. Journal of Medical Internet Research, JMIR Publications Inc., v. 25, e41881, jun. 2023. ISSN 1438-8871. DOI: 10.2196/41881. Dispon´ıvel em: https://doi.org/10.2196/41881. MINIST´ERIO DA SA´UDE. Manual A B C D E das Hepatites Virais para Cirurgi˜oes Dentistas. Bras´ılia: Minist´erio da Sa´ude, 2010. MINIST´ERIO DA SA´UDE. Minist´erio da Sa´ude entrega 3 mil kits de telessa´ude e lan，ca edital in´edito para expandir atendimento a distˆancia com hospitais privados. [S. l.: s. n.], 2025. Dispon´ıvel em: https://www.gov.br/saude/pt-br/assuntos/noticias/2025/agosto/ministerioda- saude-entrega-3-mil-kits-de-telessaude-e-lanca-edital-inedito-paraexpandir- atendimento-a-distancia-com-hospitais-privados. Acesso em: 28 jan. 2026.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectSistema de computaçãopt_BR
dc.subjectPEPpt_BR
dc.subjectHIVpt_BR
dc.subjectLLMpt_BR
dc.subjectAgente conversacionalpt_BR
dc.subjectRAGpt_BR
dc.titleAgente Inteligente baseado em LLM para orientação clinica em profilaxia pós- exposição a materiais biológicospt_BR
dc.typeTCCpt_BR
dc.creator.Latteshttp://lattes.cnpq.br/0112548299452246pt_BR
dc.contributor.advisor1Andrade, Hilson Gomes Vilar de
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1329499647057192pt_BR
dc.contributor.referee1Anadrade, Hilson Gomes Vilar de
dc.contributor.referee2Araújo, Aida Ferreira
dc.contributor.referee3Silva, Ricardo Luís Alves da Silva
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1329499647057192pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8515798754882166pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/1509764607538627pt_BR
dc.publisher.departmentRecifept_BR
dc.publisher.countryBrasilpt_BR
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpt_BR
dc.description.resumoA exposição a materiais biológicos representa risco significativo para o HIV e outras infecções sexualmente transmissíveis, tornando essencial o início oportuno e o manejo adequado da profilaxia pós-exposição (PEP). A efetividade da PEP, contudo, depende de uma avaliação precisa do risco, de orientações claras baseadas em protocolos oficiais e de acompanhamento contínuo — processos frequentemente limitados por restrições serviços de saúde e por dificuldades de compreensão por parte dos pacientes. Esses desafios podem resultar em atraso no início da profilaxia ou em baixa ades˜ao ao regime terapêutico de 28 dias. Com o objetivo de enfrentar essa lacuna, este estudo apresenta um Agente conversacional baseado em Modelo de Linguagem de Grande Escala (LLM), integrado a uma arquitetura de Gera，c˜ao Aumentada por Recuperação (Retrieval-Augmented Generation – RAG), desenvolvido para apoiar pacientes em uso de PEP no Brasil. O Agente foi avaliado por meio de um questionário em escala Likert de cinco pontos, aplicado a dezoito médicos especialistas, que analisaram critérios como acurácia clínica, alinhamento com protocolos oficiais, empatia e coerência conversacional. As respostas geradas pelo Agentes obtiveram elevadas avalia，c˜ao, com mais de 80% de forte concordância em todas as dimensões analisadas. Na avalia，c˜ao global, 77,8% dos especialistas classifi-caram o sistema como de alta qualidade, enquanto 16,7% o consideraram bom, com limitações menores, evidenciando sua viabilidade e potencial aplicabilidade como fer-ramenta de suporte `a orientação clínica.pt_BR


Arquivos deste item

Thumbnail
Nome:
Agente Inteligente Baseado em ...
Tamanho:
13.75Mb
Formato:
PDF
Descrição:
Trabalho de Conclusão de Curso
Visualizar/Abrir

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples