CBRS: Cognitive Blood Request System with Bilingual Dataset and Dual-Layer Filtering for Multi-Platform Social Streams

Título: CBRS: Sistema Cognitivo de Solicitação de Sangue com Dataset Bilíngue e Filtragem em Dupla Camada para Fluxos de Mídia Social Multiplataforma

1. O Problema

Em situações de emergência, posts e mensagens urgentes solicitando doação de sangue nas redes sociais (SNS) frequentemente passam despercebidos devido ao volume massivo de comunicações diárias. Os sistemas tradicionais baseados em aplicativos dependem de entrada manual e têm dificuldade em alcançar usuários em ambientes de baixa recursos, atrasando respostas críticas.
Os principais desafios identificados são:

• Volume e Ruído: A vasta quantidade de mensagens nas redes sociais torna difícil filtrar manualmente as solicitações reais de doação.
• Assimetria de Erros: Em doações de sangue, um falso negativo (ignorar uma solicitação real) é muito mais prejudicial do que um falso positivo (processar uma mensagem irrelevante), pois o primeiro pode custar vidas.
• Linguística Complexa: A falta de datasets anotados para idiomas de baixo recurso, como o Bengali, e a presença de variações dialetais, gírias e texto transliterado (Bengali escrito com caracteres latinos) dificultam a generalização de modelos de NLP.
• Custo e Escalabilidade: Usar Grandes Modelos de Linguagem (LLMs) diretamente para filtrar e analisar todo o fluxo de mensagens é inviável devido aos altos custos de inferência e tempo de resposta.

2. Metodologia

O CBRS propõe uma arquitetura de filtragem em dupla camada (Dual-Layered Filtering - DLF) combinada com um sistema de análise estruturada (parsing) eficiente.

• Dataset Inovador (CBRS Dataset):

  • Criaram um novo dataset de 11.000 mensagens de solicitação de sangue, cobrindo três modalidades linguísticas: Bengali, Inglês e Bengali Transliterado.
  • Inclui negativos adversários curados (mensagens que contêm palavras-chave como "sangue" ou "urgente", mas não são solicitações reais) para aumentar a robustez do modelo.
  • Coletado de grupos públicos no Facebook, Telegram e Twitter (EBDR).

• Arquitetura de Filtragem em Dupla Camada (DLF):

  • Camada 1 (Classificador Leve): Utiliza um classificador baseado em TF-IDF e Regressão Logística com pesos assimétricos.
    • Objetivo: Filtragem rápida e de baixo custo para identificar mensagens potencialmente relevantes.
    • Estratégia: A função de perda é ponderada para penalizar severamente os falsos negativos, garantindo alta recall (recuperação) nesta etapa, mesmo que isso aumente ligeiramente os falsos positivos.
  • Camada 2 (Classificador LLM): Utiliza um LLM (GPT-4o-mini) para uma verificação secundária e parsing.
    • Objetivo: Refinar os resultados da Camada 1, removendo falsos positivos e extraindo informações estruturadas.
    • Vantagem: Como o LLM só é acionado para mensagens já pré-filtradas pela Camada 1, o custo de API é drasticamente reduzido.

• Parsing Estruturado:

  • Após a detecção, o texto livre é convertido em um objeto JSON estruturado contendo campos como: grupo sanguíneo, quantidade de bolsas, nome do paciente, condição médica, localização, hospital, horário e contatos.
  • Modelo de Parsing: Um modelo Llama-3.2-3B foi fine-tuned usando LoRA (Low-Rank Adaptation).
  • Prompting: Para outros modelos, utilizou-se Few-Shot Prompting (3 exemplos positivos, 2 negativos) para guiar a extração.

3. Principais Contribuições

1. Dataset Bilíngue e Multilíngue: Apresentação do primeiro dataset de solicitações de doação de sangue em Bengali, Inglês e Bengali Transliterado, enriquecido com exemplos adversários.
2. Arquitetura CBRS: Um sistema integrado que combina filtragem leve e parsing via LLM, otimizado para custo e precisão.
3. Modelo Leve Otimizado: Demonstração de que um modelo pequeno (3B parâmetros) fine-tuned com LoRA supera modelos muito maiores e proprietários em tarefas de parsing zero-shot.
4. Validação em Mundo Real: Avaliação do sistema em grupos reais do Telegram e Discord, medindo satisfação do usuário e eficiência operacional.

4. Resultados

• Filtragem (Classificação):

  • O sistema CBRS alcançou 99% de precisão e recall na filtragem de mensagens, superando métodos state-of-the-art e modelos BERT leves (como DistilBERT) em termos de velocidade de inferência e custo.
  • A abordagem de dupla camada reduziu o custo de processamento em 33% a 47% comparado ao uso direto de LLMs em todas as mensagens.

• Parsing (Extração de Informação):

  • O modelo Llama-3.2-3B com LoRA alcançou 92% de precisão em configuração zero-shot.
  • Este resultado superou o desempenho few-shot de modelos maiores e proprietários como GPT-4o-mini, Gemini-2.0-flash e Claude-3-haiku.
  • O modelo fine-tuned reduziu o uso de tokens de entrada em 35x comparado a outros LLMs, pois não requer prompts longos com exemplos (few-shot) durante a inferência.

• Estudo de Usuário:

  • Realizado com 114 participantes em grupos do Telegram e Discord.
  • Tempo de Resposta: O tempo médio de parsing foi de apenas 4 segundos.
  • Satisfação: 67% dos usuários relataram estar satisfeitos com a rapidez das respostas após a integração do CBRS, comparado a uma baixa taxa de respostas anteriores.
  • A usabilidade dos comandos de barra (slash commands) e a intuitividade da interface tiveram forte correlação positiva com a satisfação geral.

5. Significado e Impacto

O trabalho do CBRS estabelece uma fundação robusta para a extração de informações em tempo real em cenários de crise, especialmente em regiões de baixo recurso linguístico.

• Escalabilidade Econômica: A arquitetura de dupla camada resolve o dilema entre custo e precisão, permitindo que sistemas de IA sejam viáveis para aplicações humanitárias de grande escala.
• Inclusão Linguística: Ao focar em Bengali e suas variações, o sistema preenche uma lacuna crítica em ferramentas de IA para emergências, que tradicionalmente favorecem o inglês.
• Aplicabilidade Prática: A integração bem-sucedida em plataformas de chat populares (Telegram/Discord) demonstra que soluções de IA podem ser implantadas rapidamente em comunidades existentes sem exigir que os usuários baixem novos aplicativos.

Em resumo, o CBRS oferece uma solução eficiente, de baixo custo e linguisticamente inclusiva para salvar vidas ao conectar solicitantes de sangue a doadores potenciais de forma automatizada e rápida.