Explainable AI (XAI)
Decisões médicas auditáveis por valores SHAP e counterfactuals. Rastreabilidade completa de cada neurônio ativado.
MUTATION SCORESHAP ATTRIBUTION
BRCA1 ++0.48
TP53 Mut+0.32
Redes neurais Bayesianas, XAI explicável e RAG científico trabalhando juntos para transformar dados genômicos e biométricos em decisões oncológicas de alta precisão clínica.
Protótipo acadêmico (FIAP Tech Challenge) — navegue pelas páginas, pela demo de inferência real e pelo código.
Terminal de triagem — inferência real /predict.
Limitações, vieses e o null result.
Código-fonte (MIT).
Módulos e arquitetura do sistema.
Métricas reais do modelo (benchmark).
Copiloto clínico — runtime interativo.
OpenAPI / Swagger da API FastAPI.
Decisões médicas auditáveis por valores SHAP e counterfactuals. Rastreabilidade completa de cada neurônio ativado.
Busca vetorial em tempo real no PubMed, ClinVar e diretrizes NCCN com explicabilidade baseada em citações auditáveis.
Persistência offline-first via IndexedDB criptografada com isolamento de contexto por paciente, garantindo compliance total com privacidade clínica.
Alterne entre Review, Investigation e Tumor Board. Cada modo ajusta a densidade do layout, profundidade de retrieval e alertas.
Scrubbing automático de dados sensíveis de pacientes (PHI) na borda, garantindo conformidade com HIPAA, LGPD e regulamentos médicos de dados.
Inferencia de baixa latência em hardware otimizado, transmitindo tokens e relatórios clínicos via Server-Sent Events (SSE).
Pipeline de treinamento contínuo auditável por MLflow, DVC e Evidently AI. Detecção de Model Drift (PSI/KS) e quantização INT8 para otimização extrema de recursos.
O motor de RAG consulta ao vivo PubMed (Entrez), Cochrane e Semantic Scholar — com circuit breaker por provedor, deduplicação por URL e cache. Nenhuma métrica ou estudo abaixo é uma alegação de validação clínica do Aether.
Consulta à base PubMed via API Entrez do NCBI, com extração de título, autores e abstract para fundamentar a resposta.
Provedor de evidência de alto nível para revisões e meta-análises, integrado à cadeia de recuperação.
Grafo de citações para ampliar a recuperação. O vector store semântico é stub → fallback para busca ao vivo.
Redes neurais convolucionais analisam 47 biomarcadores em paralelo, correlacionando dados genômicos, laboratoriais e de imagem para gerar hipóteses diagnósticas com fundamento científico automático.
Não entregamos apenas um diagnóstico — entregamos o raciocínio completo. SHAP values e LIME permitem que oncologistas validem, contestem e aprendam com cada predição.
Protótipo acadêmico open-source (FIAP Tech Challenge). Explore o pipeline, a API de inferência e o Model Card — código aberto sob licença MIT.
Sem cartão de crédito. Setup em 15 minutos.