Carregando
Descrição
Squadra liderou o desenvolvimento de uma solução baseada na IA do Azure para analisar grandes volumes de dados e melhorar os resultados clínicos.
Transcrição
A Elizabeth Glaser Pediatric AIDS Foundation (EGPAF) previne a transmissão do HIV e trata pacientes soropositivos em 12 países fortemente impactados pelo vírus. Durante o hackaton Microsoft Hack4Good realizado em 2025, a Squadra liderou o desenvolvimento de uma solução baseada na IA do Azure para analisar grandes volumes de dados e melhorar os resultados clínicos, fornecendo insights baseados em evidências e impulsionando uma cultura orientada por dados dentro da instituição.
A solução, glAIser, utiliza RAGs supervisionados (Retrieval-Augmented Generation) e compreende comandos em linguagem natural, transformando-os em consultas estruturadas que identificam os conjuntos de dados e indicadores relacionados entre bilhões de pontos de dados de mais de 18 milhões de pacientes atendidos. Após a consulta, o glAIser gera gráficos interativos, resumos textuais e insights práticos.
Através de relatórios rápidos e facilitados, a solução permite análises globais, nacionais e por clínicas, identificando tendências, padrões preocupantes e regiões críticas. Essas análises direcionam a distribuição de recursos e os esforços de prevenção, aprimorando os cuidados da EGPAF com seus pacientes e salvando vidas.
O impacto percebido ao longo do hackaton foi tamanho que, além de nos proporcionar o reconhecimento como vice-campeões globais, o projeto não parou por aí. A parceria entre EGPAF e Squadra, com subsídio total da Microsoft Elevate, foi além:
Fase 1 - Hackaton: começou no Hack4Good em Seattle (EUA), onde o glAIser provou o potencial que a IA tem em impactar globalmente a vida das pessoas.
Fase 2 - MVP: desenvolvemos o MVP (Mínimo Produto Viável), focado na análise de apenas 38 indicadores locais através de multi-agentes.
Fase 3 - Escala: deixamos de vez o modelo baseado em RAGs para trás para implementar uma arquitetura avançada de multi-agentes, totalmente integrada ao ecossistema unificado da fundação, o Glaser360, cobrindo 100% dos países em que a EGPAF atua.
Interpretar dados clínicos exige precisão absoluta. Afinal, erros de interpretação podem resultar, no caso da EGPAF, em mais crianças vítimas da transmissão vertical do HIV. Para garantir segurança máxima e nenhuma alucinação, a Fase 3 teve marcos técnicos importantes como pilares:
Na Fase 2, MVP, a solução era limitada à leitura de apenas 38 indicadores simples e locais. Na Fase 3, escala, a solução passou a suportar mais de 142 combinações complexas de indicadores que são acessados diretamente no ecossistema de dados da EGPAF, o Glaser360.
Além disso, o sistema deixou de rodar em caráter de teste restrito para abranger 100% dos países atendidos pela operação da fundação, tudo isso de forma padronizada dentro do ecossistema da EGPAF.
O grande divisor de águas técnico foi o uso do framework de orquestração LangGraph, que usa estruturas de grafos cíclicos para criar fluxos de trabalho complexos para agentes de IA. Esse framework de código aberto permite a recuperação de estado quando há alguma interrupção no processo, oferecendo persistência e auxiliando na escala da produção.
Em vez de um modelo de IA genérico, criamos uma máquina de estados orquestrada por múltiplos agentes inteligentes especializados, em que cada agente cumpre uma função específica na esteira de tratamento e consulta das informações.
Para blindar a operação contra falhas e alucinações, implementamos um nó exclusivo de avaliação em tempo real.
Se a consulta em linguagem natural apresentar qualquer mínima inconsistência ou falha de sintaxe ao acessar o banco de dados no Databricks, a própria IA identifica o erro, corrige a si mesma e recalcula a rota de execução antes de exibir o resultado na tela.
A nova solução baseada em multi-agentes atingiu 100% de acurácia durante testes automatizados contra o Golden Dataset, um conjunto massivo de dados reais de altíssima complexidade fornecidos pelos próprios especialistas da EGPAF.
O sistema analisa perguntas altamente complexas, traduz em comandos e executa no banco de dados com um tempo médio entre 15 e 20 segundos.
A conclusão da Fase 3 gerou uma grande repercussão entre nossos parceiros, o que demonstra o compromisso da Squadra no desenvolvimento de soluções críticas que sejam inovadoras, seguras e confiáveis de verdade. Veja depoimentos de quem viveu o projeto de perto:
“Amazing teamwork! It’s truly inspiring to see! A heartfelt thank you to the Squadra team for your outstanding delivery, unwavering commitment, and consistently high-quality work. This has been a remarkable collaboration from start to finish.”
“Incrível trabalho em equipe! É realmente inspirador de ver! Um agradecimento de coração ao time da Squadra pela entrega excepcional, pelo compromisso inabalável e pelo trabalho de alta qualidade. Foi uma colaboração extraordinária do início ao fim.”
Hugo Marques, SMB & Partner Lead na Microsoft Elevate
“This is truly impressive work, and we couldn't be more impressed with Squadra's performance and professionalism throughout this phase of the project. Seeing the solution in its current state had a pretty profound impact on me.”
“Um trabalho realmente impressionante! Não poderíamos estar mais impressionados com o desempenho e o profissionalismo da Squadra ao longo de toda essa fase do projeto. Ver a solução em seu estado atual causou um impacto profundo em mim.”
Jon Drew, Account Team na Microsoft
“Thanks for the dedication and professionalism through this process.”
“Obrigado pela dedicação e profissionalismo demonstrados durante esse processo.”
Charlie Maere, Global Digital Health Director na EGPAF
A jornada do glAIser prova que, com a parceria certa, a inteligência artificial deixa de ser uma promessa técnica e se transforma em uma realidade corporativa robusta, segura e capaz de mudar o mundo.
Quer saber como aplicar arquiteturas avançadas de IA e garantir a confiabilidade das decisões críticas e baseadas em dados na sua empresa? Fale com o time de especialistas da Squadra.