Nesis.AI

Copiloto clínico que utiliza IA para detectar erros de prescrição e interações medicamentosas em tempo real, integrado ao prontuário do eSUS APS através de uma extensão Chrome.

Sobre o Projeto

NesisAI é um sistema de apoio à decisão clínica (CDSS) para médicos da Atenção Primária à Saúde (APS) do SUS. Atua como sidebar ao lado do prontuário do eSUS APS e oferece:

1. Detecção Automática de Prontuários: extensão Chrome reconhece a página do eSUS APS e extrai dados clínicos do paciente e da prescrição em tempo real.
2. Análise Híbrida LLM + RAG: motor de IA que combina Google Gemini com base de conhecimento cardiovascular indexada em pgvector.
3. Alertas Classificados por Severidade: feedback exibido como GRAVE, MODERADO ou LEVE, com recomendação clínica e citação explícita da fonte.
4. Revisão Humana: gaveta lateral editável que permite ao médico corrigir os dados scrapeados e reanalisar.

Sobre o eSUS APS: o eSUS APS é o sistema de prontuário eletrônico oficial do Ministério da Saúde do Brasil, utilizado pela APS em milhares de Unidades Básicas. A extensão NesisAI foi projetada para integrar-se nativamente ao fluxo de trabalho médico, sem substituí-lo.

Funcionalidades Principais

• Detecção automática do prontuário do eSUS APS via host_permissions (Manifest V3)
• Scraping estruturado do DOM com XPaths mapeados e fallback heurístico
• Normalização de nomes comerciais → DCB via LLM
• Verificação clínica com Gemini 2.5 Flash + RAG sobre base cardiovascular (41 entradas)
• Classificação automática por severidade (GRAVE / MODERADO / LEVE) com fonte citada
• Gaveta lateral editável para correção de dados e reanálise sem novo scraping
• Histórico de análises e configurações persistidos localmente (localStorage)

Tecnologias Utilizadas

Backend

• Framework: FastAPI (Python 3.11+)
• Banco de Dados: PostgreSQL 16 + pgvector
• ORM: SQLAlchemy 2 (async) + Alembic
• IA: Google Gemini 2.5 Flash + models/gemini-embedding-001
• RAG: LangChain + langchain-postgres

Frontend

• Framework: React 18 + TypeScript + Vite
• Estilização: Tailwind CSS
• Plataforma: Chrome Extension Manifest V3 + Side Panel API

Infraestrutura

• Docker + Docker Compose com named volumes (pgvector/pgvector:pg16)

Como Rodar

Pré-requisitos

• Docker e Docker Compose
• Node.js 18+
• Google Chrome
• API Key do Google AI Studio

Backend

cd backend
cp .env.example .env   # adicionar GEMINI_API_KEY
docker compose up --build

Após subir, popular a base de conhecimento:

docker exec -it backend-backend-1 python scripts/ingest_knowledge.py

Para detalhes de configuração, variáveis de ambiente e troubleshooting, ver backend/README_DOCKER.md.

Frontend

cd frontend
npm install
npm run build:extension

Em chrome://extensions → Modo do desenvolvedor → Carregar sem compactação → selecionar frontend/dist/.

Para detalhes de desenvolvimento e build, ver frontend/README.md.

Base de Conhecimento (Banco vetorial)

41 entradas curadas no domínio cardiovascular brasileiro, com enfoque maior em interações medicamentosas entre antiarritímicos e anti-hipertensivos (backend/data/cardio_knowledge.json):

Prefixo	Categoria	Quantidade
INT	Interações medicamentosas	16
CON	Contraindicações	8
IDO	Considerações geriátricas	8
REN	Ajustes por função renal	5
SUP	Alertas de suplementação	4

Documentação

Documento	Conteúdo
backend/README.md	Setup, endpoint principal, validação rápida
backend/README_DOCKER.md	Docker Compose, volumes, troubleshooting
backend/README_DEV.md	Desenvolvimento local, Alembic, testes
backend/app/motor/README.md	Pipeline de IA, modelos, contrato
frontend/README.md	Build da extensão, fluxo de estados, estrutura
CLAUDE.md	Contexto técnico, stack v2, regras do projeto

Licença

Este projeto foi desenvolvido como projeto de hackathon.