Resumo Técnico: Rafiq – Um Sistema de IA Conversacional em Árabe para Detecção Precoce de Depressão

Declaração do Problema

A depressão é uma das principais causas de incapacidade global, mas as comunidades de língua árabe permanecem significativamente desatendidas por IA conversacional clinicamente fundamentada. Os chatbots de saúde mental existentes são predominantemente centrados no inglês, enquanto as alternativas em língua árabe frequentemente carecem de validação clínica, protocolos de triagem estruturados ou geração de respostas baseadas em evidências. Além disso, há uma escassez crítica de ferramentas especializadas de Processamento de Linguagem Natural (PLN) em árabe que integrem o monitoramento de sintomas com instrumentos clínicos padronizados, como o Questionário de Saúde do Paciente-9 (PHQ-9), dentro de um fluxo conversacional natural.

Metodologia

Os autores apresentam o Rafiq, um sistema de informática de saúde conversacional de ponta a ponta projetado para a detecção precoce de depressão e psicoeducação em árabe. O sistema é arquitetado como um design híbrido que combina uma camada simbólica transparente e auditável com componentes neurais, orquestrados através de um fluxo de trabalho de seis nós no LangGraph e implantados por meio de um aplicativo móvel React Native com um backend FastAPI.

O sistema compreende quatro módulos técnicos principais:

1. Base de Conhecimento (KB) de Saúde Mental em Árabe:

   • Construída via uma metodologia de curadoria de três fases (coleta, conversão para Markdown com revisão manual e processamento).
   • Originada de quatro textos clínicos autoritativos: DSM-5-TR (tradução para o árabe), MSD Manual, WebTeb e OMS.
   • Resultou em 7 arquivos Markdown totalizando 14.624 palavras, cobrindo definições, sintomas, causas, tratamentos e estratégias de cuidado.
   • Os documentos foram fragmentados usando uma estratégia consciente da estrutura (MarkdownHeaderTextSplitter) para preservar a coerência semântica dos critérios diagnósticos.

2. Módulo de Detecção de Sintomas:

   • Utiliza GPT-4o-mini com uma estratégia de prompting guiada por palavras-chave.
   • Baseia-se em um léxico de 217 expressões em árabe clinicamente validado, mapeado para os nove critérios de sintomas do PHQ-9.
   • O léxico foi expandido para incluir variantes de gênero e formas dialetais do Levante (Shami).
   • A avaliação empregou uma divisão treino-teste "consciente de vazamento" (leakage-aware), onde as palavras-chave do conjunto de teste foram retidas do prompt para garantir que o modelo aprendesse a generalização semântica em vez da correspondência exata.

3. Módulo de Integração do PHQ-9:

   • Implementa um protocolo de três fases: (i) Proposta e Consentimento, (ii) Administração Estruturada (usando botões selecionáveis para evitar ambiguidade de texto livre) e (iii) Pontuação e Feedback.
   • Acionado automaticamente quando o detector de sintomas identifica três ou mais sintomas únicos cumulativamente.
   • A lógica do questionário e os limiares de pontuação foram revisados e aprovados por psicólogos licenciados.

4. Pipeline de Geração Aumentada por Recuperação (RAG):

   • Benchmark de Embedding: Um benchmark sistemático foi conduzido em um conjunto de dados criado especificamente para avaliar seis modelos de embedding de sentenças em árabe, utilizando 33 consultas e 99 pares consulta-documento anotados.
   • Seleção de Modelo: O Arabic-Triplet-Matryoshka-V2 foi selecionado como o embedder ideal, superando modelos multilingues gerais (incluindo um modelo de Mistura de Especialistas - MoE de última geração) que falharam em transferir efetivamente para o domínio da saúde mental.
   • Geração: O GPT-4o-mini foi selecionado em vez do GPT-4o com base na avaliação RAGAS, oferecendo fundamentação factual comparável com menor latência e custo.
   • Segurança: O prompt do sistema impõe restrições estritas: proibição de termos diagnósticos, proibição de aconselhamento médico e encaminhamento obrigatório a profissionais em situações de crise.

Principais Contribuições

O artigo descreve seis contribuições primárias:

1. Base de Conhecimento Estruturada: Uma KB de saúde mental em árabe curada e pronta para recuperação, derivada de fontes clínicas autoritativas.
2. Benchmark de Embedding: A primeira avaliação sistemática de embeddings de sentenças em árabe para recuperação de saúde mental, identificando o Arabic-Triplet-Matryoshka-V2 como o modelo superior (MAP = 80%) e demonstrando a falha de modelos MoE multilingues gerais neste domínio específico.
3. Detecção de Sintomas: Um classificador baseado em LLM alcançando 98% de precisão e um F1-score de 0,98 usando uma abordagem guiada por palavras-chave sem ajuste fino (fine-tuning) específico para a tarefa.
4. Integração do PHQ-9: Um protocolo inovador de três fases para administrar e pontuar o PHQ-9 dentro de um fluxo conversacional natural, uma primeira para chatbots em árabe.
5. Psicoeducação Baseada em RAG: Um pipeline de recuperação semântica avaliado com RAGAS, mostrando alta fidelidade (0.88) e precisão de contexto (0.91).
6. Validação Clínica: Uma avaliação humana por cinco psicólogos licenciados em cinco cenários, confirmando a segurança e a adequação clínica do sistema.

Resultados

• Desempenho de Embedding: O Arabic-Triplet-Matryoshka-V2 alcançou MAP = 80%, NDCG = 86% e Precisão@1 = 93% em k=2. Em contraste, o modelo MoE multilingue de última geração (nomic-embed-text-v2-moe) obteve pontuação próxima de zero (MAP = 4%), destacando a necessidade de validação específica do domínio.
• Detecção de Sintomas: O classificador alcançou uma precisão geral de 0,98 e um F1-score de média macro de 0,98 em um conjunto de teste de 415 instâncias com controle de vazamento.
• Avaliação RAG: O GPT-4o-mini igualou o GPT-4o em fidelidade (0,88 vs 0,90) e obteve maior relevância de resposta (0,84 vs 0,79), operando com latência significativamente menor.
• Validação Clínica: Cinco psicólogos licenciados avaliaram o sistema com uma pontuação média geral de 4,54/5,0. Não foram identificadas preocupações críticas de segurança em cinco cenários distintos, incluindo consultas sobre ideação suicida e depressão pós-parto.

Significância e Alegações

O artigo afirma que o Rafiq demonstra a viabilidade de integrar triagem clínica estruturada com IA conversacional fundamentada em evidências para a detecção precoce de depressão em árabe. Ele aborda uma lacuna documentada na tecnologia de saúde mental em árabe ao ir além da provisão de informações gerais para um sistema que realiza:

• Monitoramento de sintomas em tempo real.
• Triagem clínica estruturada (PHQ-9).
• Psicoeducação baseada em recuperação fundamentada em fontes autoritativas.

Os autores enfatizam que a arquitetura híbrida do sistema — combinando um léxico de palavras-chave clinicamente validado e transparente com componentes neurais — aumenta a confiabilidade e a auditabilidade. Eles afirmam que o trabalho fornece uma base e metodologia para o desenvolvimento futuro de tecnologias de saúde mental em árabe culturalmente apropriadas, mantendo explicitamente que o Rafiq é um companheiro de apoio e uma ferramenta de triagem, não um sistema de diagnóstico ou terapêutico. O estudo conclui que tais sistemas podem ampliar o acesso ao suporte psicológico enquanto mantêm os limites clínicos apropriados.