O P.U.L.S.E. é uma solução de RAG (Retrieval-Augmented Generation) Local desenvolvida especificamente para o nicho de Saúde Pública. O sistema permite a ingestão, vetorização e consulta inteligente de documentos clínicos e epidemiológicos com total privacidade e segurança.

No setor de saúde, a precisão e a privacidade são inegociáveis. Profissionais enfrentam desafios significativos:

• ❌ Dificuldade em consultar diretrizes clínicas de centenas de páginas em tempo real
• ❌ Dependência de soluções cloud que comprometem a privacidade dos dados
• ❌ Falta de ferramentas que combinem IA com segurança local

O P.U.L.S.E. resolve esses problemas oferecendo uma solução de IA local, segura e eficiente.

A aplicação segue uma adaptação da Medallion Architecture para fluxos de IA:

• Python 3.x
• Pandas
• Pathlib
• PDFPlumber

• LangChain (Chains & Retrieval)
• HuggingFace Embeddings
• Ollama (Llama 3 / Phi-3)

• ChromaDB (Vector Store Local)

• Streamlit com CSS customizado (UI estilo Claude)

• Python 3.8+
• Git

git clone https://github.com/seu-usuario/P.U.L.S.E.git

python -m venv venv

# Windows
.\venv\Scripts\activate

# macOS/Linux
source venv/bin/activate

pip install -r requirements.txt

1. Baixe o Ollama em ollama.com
2. No terminal, execute:

ollama run phi3

1. Coloque seus PDFs em data/raw/
2. Execute o pipeline principal:

python main_pipeline.py

3. Inicie a aplicação Streamlit:

python -m streamlit run src/app/chat.py

A aplicação estará disponível em http://localhost:8501

P.U.L.S.E/
├── data/
│   ├── raw/              # PDFs e CSVs para ingestão
│   ├── processed/        # Dados processados
│   └── vectors/          # Banco de vetores (ChromaDB)
├── src/
│   ├── pipeline/         # Pipeline de ETL
│   ├── rag/              # Lógica RAG
│   └── app/              # Interface Streamlit
├── main_pipeline.py      # Script principal
├── requirements.txt      # Dependências
└── README.md

1. Adicionar Documentos: Coloque PDFs na pasta data/raw/
2. Processar: Execute python main_pipeline.py
3. Consultar: Use a interface Streamlit para fazer perguntas
4. Obter Respostas: O sistema retorna respostas baseadas nos seus documentos

• ✅ Toda a IA roda localmente (sem envio de dados à nuvem)
• ✅ Dados armazenados em banco de dados vetorial local
• ✅ Compatível com LGPD e regulamentações de saúde

Nicolas - @NicolasDev-web

Contribuições são bem-vindas! Sinta-se livre para abrir issues e pull requests.

Desenvolvido com ❤️ para Saúde Pública

O chatbot foi desenvolvido com base no documento "Protocolo Clínico e Diretrizes Terapêuticas para Atenção Integral às Pessoas com Infecções Sexualmente Transmissíveis (IST)". Este documento orienta a prática clínica e oferece diretrizes terapêuticas essenciais para o tratamento de ISTs.