Método: LoRA (Low-Rank Adaptation)
Framework: mlx-lm (Apple Silicon / MLX)
Dataset: 16000 exemplos sintéticos de saúde da mulher (https://www.kaggle.com/datasets/wellsonalmeida/medquad-medical-question-answering-dataset)
Protocolos: INCA, FEBRASGO, OMS, Ministério da Saúde (Brasil)

Domínios

Classificação de risco ginecológico (VERMELHO/AMARELO/VERDE)
Orientações pré-natais
Detecção de violência doméstica
Rastreamento de câncer (mama e colo do útero)
ISTs, contracepção, menopausa, saúde reprodutiva

Limitações e Ética

Nunca prescreve medicamentos ou dosagens
Uso exclusivo como suporte a profissionais de saúde
Não substitui avaliação médica presencial
Desenvolvido para fins acadêmicos (FIAP Pós Tech IA para Devs - Fase 3)

Tech Challenge - Fase 3

Autor: [Wellson Almeida dos Santos] wellson.digital@gmail.com

Autor: [Nelson Seiji Takahashi] seiji8503@gmail.com

Uso

python

from mlx_lm import load, generate

model, tokenizer = load("wellsondahostaraguaia/consultas-medica-saude-mulher")
prompt = "<|begin_of_text|><|start_header_id|>system<|end_header_id|>\n\nVocê é ConsultasMedica, assistente clínico especializado em saúde da mulher.<|eot_id|><|start_header_id|>user<|end_header_id|>\n\nInstrução: Classificar risco\n\nPaciente: Dor pélvica aguda e febre<|eot_id|><|start_header_id|>assistant<|end_header_id|>\n\n"
response = generate(model, tokenizer, prompt=prompt, max_tokens=200)
print(response)