SOPHIALLM: DESENVOLVIMENTO E VALIDAÇÃO DE UM MODELO DE LINGUAGEM ESPECIALIZADO PARA RACIOCÍNIO CLÍNICO, DIAGNÓSTICO E EDUCAÇÃO EM MEDICINA VETERINÁRIA DE PEQUENOS ANIMAIS

Resumen

A SophiaLLM é um modelo de linguagem especializado em medicina veterinária de pequenos animais (cães e gatos), desenvolvido integralmente em português brasileiro para apoiar raciocínio clínico, diagnóstico, educação continuada veterinária e recuperação de conhecimento científico. Diferentemente de modelos generalistas, a SophiaLLM foi projetada exclusivamente para o domínio veterinário, buscando maior precisão e menor incidência de alucinações. O sistema combina um modelo de linguagem com aproximadamente 109,5 milhões de parâmetros a uma arquitetura de Retrieval-Augmented Generation (RAG), permitindo que o conhecimento científico seja armazenado e atualizado separadamente dos pesos do modelo. Sua base de conhecimento é composta por aproximadamente 500 milhões de tokens (cerca de 6,94 GB) de literatura veterinária, dezenas de milhares de casos clínicos, um grafo de conhecimento contendo 454 doenças, 680 entidades e 9.546 relações clínicas, além de um motor de raciocínio clínico capaz de gerar hipóteses diagnósticas, diagnósticos diferenciais e recomendações de exames complementares. A arquitetura foi desenvolvida para reproduzir o processo de raciocínio utilizado por médicos-veterinários, correlacionando sinais clínicos, exames laboratoriais, exames de imagem e histórico do paciente para apoiar a tomada de decisão clínica. A SophiaLLM representa uma iniciativa pioneira para a criação de uma inteligência artificial veterinária especializada, demonstrando que modelos menores, combinados com bases de conhecimento estruturadas e mecanismos de recuperação de informação, podem oferecer desempenho relevante para aplicações clínicas, educacionais e científicas na medicina veterinária de cães e gatos.