Requisitos de Software

    Nesta seção, são descritos os requisitos necessários para a construção do ambiente de desenvolvimento e execução do projeto, bem como os requisitos funcionais e não funcionais que orientam o comportamento e a qualidade do sistema.

Requisitos Funcionais (RF)

RF01 – Cadastro de Usuários O sistema deve permitir o cadastro e autenticação de profissionais de saúde (médicos) e pacientes, garantindo que cada usuário possua um perfil específico e níveis de acesso apropriados.

RF02 – Armazenamento de Informações Clínicas O sistema deve possibilitar o registro e armazenamento de dados clínicos e laboratoriais de pacientes em uma base de dados em grafos, associando cada exame ao paciente correspondente.

RF03 – Armazenamento de Exames em Banco Vetorial O sistema deve permitir o armazenamento de dados de exames em um banco de dados vetorial, indexados pelo ID do paciente, garantindo a correlação com as informações da base de dados em grafos.

RF04 – Interface de Inserção e Consulta O sistema deve fornecer uma interface (frontend) que permita aos médicos inserir dados, visualizar relatórios e resultados dos exames de forma clara, gráfica e segura.

RF05 – Implementação de Modelos de IA O sistema deve implementar algoritmos de Inteligência Artificial baseados em redes neurais para classificar e analisar dados clínicos e dados de proteômica (ex.: detecção de tumores malignos ou benignos).

RF06 – Métricas de Desempenho O sistema deve disponibilizar métricas de avaliação dos modelos de IA, como Acurácia, Precisão, Recall e AUC-ROC, permitindo a validação e o acompanhamento da evolução do treinamento.

RF07 – Relatórios de Diagnóstico e Tratamento O sistema deve gerar relatórios que incluam diagnósticos indicativos (por exemplo, tumor benigno ou maligno), estimativa de gravidade e possíveis rotas terapêuticas baseadas na análise de proteínas e aminoácidos.

RF08 – Alertas e Notificações O sistema deve enviar alertas ao médico responsável quando os modelos de IA identificarem casos de alta probabilidade de progressão do câncer, auxiliando na priorização de atendimentos.

RF09 – Controle de Versão O sistema deve manter histórico de alterações (versões) das bases de dados, logs de atualização e versões dos modelos de IA, garantindo rastreabilidade e auditoria completa.

Requisitos Não Funcionais (RNF)

RNF01 – Segurança e Privacidade O sistema deve garantir a confidencialidade, integridade e disponibilidade dos dados dos pacientes, empregando criptografia e seguindo normas legais vigentes (por exemplo, LGPD).

RNF02 – Desempenho O sistema deve responder às solicitações de consulta de dados clínicos e resultados de inferência em até 3 segundos em condições normais de uso.

RNF03 – Escalabilidade A arquitetura deve suportar um aumento significativo de usuários e volume de dados (até um limite acordado, por exemplo, 1 milhão de registros), mantendo desempenho aceitável.

RNF04 – Usabilidade e Acessibilidade A interface do sistema deve ser responsiva e intuitiva, adaptando-se a diferentes dispositivos (desktop, tablet, mobile) e seguindo boas práticas de acessibilidade.

RNF05 – Modularidade O sistema deve ser projetado de forma modular, permitindo a substituição ou atualização de componentes (como o banco de dados, o modelo de IA ou o frontend) sem comprometer o restante da aplicação.

RNF06 – Disponibilidade O sistema deve estar disponível pelo menos 99,5% do tempo, garantindo aos profissionais de saúde acesso ininterrupto aos dados e resultados em regime de produção.

RNF07 – Registro de Logs Todas as operações críticas (cadastro de exames, atualizações em IA, acesso a relatórios) devem ser registradas em logs para fins de auditoria e rastreamento de atividades.

RNF08 – Portabilidade de Implantação O sistema deve poder ser implantado em diferentes infraestruturas (on-premises ou em serviços de nuvem), utilizando contêineres ou outras tecnologias que facilitem o deploy.

RNF09 – Explicabilidade do Modelo de IA Sempre que possível, o sistema deve fornecer, junto ao resultado da inferência, indicadores que auxiliem na interpretação das decisões tomadas pelo modelo de IA, visando transparência em ambiente clínico.

---