Capacidades
Por que a governança vem primeiro
Um modelo clínico que aprende em produção altera o sistema no qual foi validado. O programa de pesquisa da firma trata a governança como restrição de viabilidade sobre a computação adaptativa, e não como camada de conformidade acrescentada depois. Toda capacidade abaixo é construída sobre essa premissa: geração separada da avaliação, limiares declarados em estágios nomeados e uma trilha de auditoria que sobrevive ao modelo que a produziu.
Falhas de IA com consequência clínica emergem de interações entre fluxos de trabalho, práticas de documentação, incentivos e responsabilização, não de defeitos algorítmicos isolados. Revisado por pares em Am J Biomed Sci & Res (2026).
Aprendizado por atalhos e classificações incorretas passam pela validação padrão sem detecção. Auditado em JAMIA Open (Oxford University Press, 2026), projeto de conclusão do GCSRT de Harvard.
Externally Governed Learning Systems (EGLS) confere à computação adaptativa uma restrição formal de viabilidade. Base da Patente Provisória norte-americana 63/975,551 e do padrão aberto AIDD-GOV.
Mapa de competências em IA
Cada capacidade é exercida em pelo menos uma plataforma do portfólio. A maturidade é declarada conforme observada, não conforme pretendida. As evidências remetem a preprints públicos, artigos revisados por pares, depósitos de patente ou repositórios públicos.
| # | Domínio de capacidade | Instanciação em produto | Evidência em registro | Maturidade |
|---|---|---|---|---|
| 01 | Arquitetura e estratégia de IA governada | Ledger de governança do FxMED OS · portões de estágio do DrugSynthAI | EGLS, SSRN 6160268 · Patente 63/975,551 | Produção, interna |
| 02 | Sistemas clínicos de IA multiagente | DrugSynthAI · runtime MedClaw | 67 agentes, 5 camadas, 536 testes · Patente 64/018,624 | Produção, interna |
| 03 | Modelagem preditiva e auditoria de validação | Governança nativa em FHIR · seleção de modelos por bandits | JAMIA Open ooaf177 · Research Square rs.3.rs-8714776 | Revisado por pares |
| 04 | Analítica de imagem e multiômica | Auditoria de subtipagem genômica · modelagem de variantes mitocondriais | JAMIA Open · MitoCoreX Zenodo 19393450 | Pesquisa |
| 05 | PLN clínico e inteligência documental | Escriba de IA do FxMED OS · pipelines de vigilância de literatura | Camadas de serviço do FxMED OS · métodos publicados | Produção, interna |
| 06 | Geração ancorada em recuperação | MedBoardPRO Analyst, Strategist, Judge · motor educacional com citações verificadas | Patente 64/012,574 · Marca 99721498 | Beta |
| 07 | MLOps, portões de avaliação e governança de implantação | Disciplina de build do DrugSynthAI · AIDD-GOV | 103 regras numeradas · 18 portões de estágio · padrão Apache 2.0 | Operacional, aberta |
| 08 | IA companheira e conversacional | FxMED Advisor dentro do FxMED OS | Segunda instanciação EGLS, em desenvolvimento | Fase 1 |
Domínios de capacidade
Cada domínio segue o mesmo contrato: a questão que a firma investiga, o contexto de produto em que a capacidade é exercida e o que foi colocado em registro público.
Caso de uso. Núcleo arquitetural do FxMED OS e do DrugSynthAI. Declarações de governança nomeiam a fronteira de autoridade de cada agente; um ledger (SOGDR) registra cada decisão de liberação; o Watcher Protocol audita o comportamento em execução contra a declaração.
Caso de uso. DrugSynthAI: sessenta e sete agentes autônomos em cinco camadas (pipeline, validadores, orquestradores, inteligência, medicina de precisão), 167 endpoints de API, 536 testes aprovados, 37 deles focados em segurança. O MedClaw fornece o runtime de orquestração local first com roteamento de modelos sensível a custo, inferência primária via Ollama e fallback em nuvem.
Caso de uso. Seleção adaptativa de modelos por multi armed bandits dentro de infraestrutura de governança nativa em HL7 FHIR. Auditoria empírica do aprendizado por atalhos em subtipagem genômica baseada em IA, revisada por pares em JAMIA Open, Vol. 9, Issue 2 (DOI 10.1093/jamiaopen/ooaf177).
Caso de uso. MitoCoreX, a primeira campanha validada do DrugSynthAI: mapeamento sistêmico da conectividade de vias mitocondriais, avaliação de drogabilidade sob restrições de estrutura e função e modelagem de variantes para classificação de defeitos funcionais. Publicado no Zenodo (DOI 10.5281/zenodo.19393450), ChemRxiv e Research Square.
Caso de uso. O escriba de IA do FxMED OS opera dentro das camadas de consulta, documento clínico e consentimento sob governança de acordo de associado de negócios (BAA). Pipelines de infraestrutura de pesquisa ingerem, triam e sintetizam literatura biomédica de PubMed, Scopus, Embase e servidores de preprint em cronograma contínuo.
Caso de uso. A arquitetura de três camadas do MedBoardPRO, Analyst, Strategist e Judge, sob governança EGLS (Patente Provisória norte-americana 64/012,574, especificação com 27 reivindicações; Marca USPTO Serial 99721498). Um motor educacional com citações verificadas resolve cada referência via Crossref antes de aceitar um módulo e rejeita metadados degradados de identificadores.
Caso de uso. Disciplina de build do DrugSynthAI sob 103 regras numeradas (R01 a R103). Três campanhas, 163 candidatos ranqueados por campanha, 18 decisões de portão de estágio, todas aprovadas, zero acionamentos de kill switch. O padrão de governança AIDD-GOV (v0.1, Apache 2.0, 10 esquemas formais, 3 níveis de conformidade) publica o padrão para reuso.
Caso de uso. FxMED Advisor, a segunda instanciação em produção de sistemas de aprendizado externamente governados, embarcado no FxMED OS como camada de IA específica ao operador. Fase 1, em desenvolvimento.
Engenharia de plataformas
IA governada só é útil dentro de um sistema que clínicos, aprendizes e pesquisadores consigam operar. A firma constrói ela própria essa camada de sistema: infraestrutura de prontuário eletrônico, plataformas de aprendizagem, entrega nativa em nuvem e a engenharia de dados subjacente. Cada domínio é apresentado com a plataforma que o exerce e a sua maturidade observada.
| # | Domínio de plataforma | Instanciação em produto | Evidência em registro | Maturidade |
|---|---|---|---|---|
| 09 | Transformação digital para organizações clínicas | FxMED OS · configuração guiada, onboarding, white label, multilocação | 19 camadas de serviço em produção | Produção, interna |
| 10 | Prontuário eletrônico e sistemas operacionais médicos | FxMED OS: cadastro, agenda, consultas, documentos, consentimento | Nativo em HL7 FHIR · governança BAA · Patente 63/975,551 | Produção, interna |
| 11 | Plataformas educacionais e de aprendizagem | MedBoardPRO · Plataforma AFMI · motor de cursos bilíngue | Patente 64/012,574 · Marca 99721498 · 104 módulos com acesso controlado | Beta / MVP |
| 12 | Engenharia de produto healthtech | Camadas de portal do paciente, comunicações, associação, CRM | Camadas de serviço do FxMED OS · FxMED Advisor | Produção, interna |
| 13 | Entrega nativa em nuvem e DevOps | Vercel, Supabase, Docker, implantações integradas ao git; runtime local first MedClaw | Portões de conteúdo na implantação · 536 testes · ambientes reprodutíveis | Operacional |
| 14 | Engenharia de dados e analítica de pesquisa | Banco de telemetria de governança · pipelines de literatura · dados abertos | Publicações no Zenodo e no Harvard Dataverse · CC BY 4.0 | Operacional |
Caso de uso. O FxMED OS entrega configuração guiada, onboarding com escopo por locatário, configuração white label, direitos de acesso e fluxo de tarefas como camadas de serviço de primeira classe, de modo que o processo existente da clínica é codificado, não substituído. Arquitetura multilocatária com controle de acesso por locatário.
Caso de uso. O FxMED OS, Sistema Operacional Médico Inteligente da firma, executa dezenove camadas de serviço em produção: cadastro de pacientes, agendamento, fluxo de fila, gestão de consultas, documentos clínicos, consentimento e permissões, anexos e mídia, política de portal, comunicações, escriba de IA, multilocação, fluxo de tarefas, direitos de acesso, busca, onboarding, white label, acesso por procuração, associação, CRM e configuração guiada. Núcleo arquitetural coberto pela Patente EGLS 63/975,551.
Caso de uso. O MedBoardPRO, motor adaptativo de preparação para licenciamento (USMLE e exames correlatos), executa uma arquitetura de três camadas, Analyst, Strategist e Judge, sob governança EGLS (Patente Provisória norte-americana 64/012,574; Marca USPTO Serial 99721498). A Plataforma AFMI é um SaaS educacional physician first em Next.js e FastAPI com autenticação Clerk, Supabase e cobrança multilocatária. Um motor de cursos bilíngue produziu 104 módulos de educação continuada com acesso controlado em medicina funcional e endocrinologia, com cada citação resolvida via Crossref.
Caso de uso. Política de portal do paciente, comunicações, fluxos de notificação e lembrete ajustados a objetivos de adesão, acesso por procuração, associação e CRM executam como camadas de serviço do FxMED OS sobre o mesmo ledger de governança. O FxMED Advisor, em desenvolvimento, estende o mesmo núcleo com uma camada companheira específica ao operador.
Caso de uso. Implantações de produção integradas ao git na Vercel, com Supabase e PostgreSQL como camada de dados, Docker para ambientes reprodutíveis e portões de conteúdo na implantação que bloqueiam qualquer liberação que carregue um artefato de acesso controlado. O runtime MedClaw mantém a inferência local first via Ollama com fallback em nuvem sensível a custo, de modo que o mesmo pipeline executa em uma estação de trabalho ou na nuvem.
Caso de uso. A telemetria por agente é registrada em um banco de governança para detecção de regressão e revisão post hoc. Pipelines de literatura ingerem, triam e sintetizam evidência biomédica em cronograma contínuo com regras de inclusão declaradas e ponderação temporal. Dados de pesquisa são publicados no Zenodo e no Harvard Dataverse sob CC BY 4.0.
Casos de demonstração
Cada caso é uma instanciação de pesquisa construída e operada pela firma. Problema, abordagem e o que está em registro; nenhum resultado é reivindicado além do que foi publicado ou depositado.
Problema. O software clínico acumula recursos de IA mais rápido do que acumula responsabilização. Abordagem. Dezenove camadas de serviço em um único modelo de multilocação, nativo em HL7 FHIR, com ledger de governança e watcher em execução derivados do arcabouço EGLS. Em registro. Produção, interna; Patente EGLS 63/975,551; postura de implantação governada por BAA.
Problema. Tutores adaptativos otimizam engajamento e afastam-se da evidência. Abordagem. Camadas Analyst, Strategist e Judge com limiares declarados; um SaaS physician first multilocatário; um motor de cursos bilíngue que rejeita qualquer citação não verificável. Em registro. Beta e MVP; Patente 64/012,574; Marca 99721498; 104 módulos com acesso controlado.
Problema. Doenças genéticas raras são despriorizadas pelos pipelines convencionais. Abordagem. Sessenta e sete agentes em cinco camadas, 103 regras de build, portões de estágio com kill switch. Em registro. Três campanhas, 163 candidatos ranqueados em cada uma, 18 decisões de portão aprovadas; Zenodo 10.5281/zenodo.19393450; Patente 64/018,624; padrão aberto AIDD-GOV.
Metodologia de desenvolvimento
Nada é construído sem critério explícito de sucesso e sem uma forma nomeada de falhar. A mesma sequência governa uma campanha de descoberta de fármacos, uma liberação de sistema operacional médico e um modelo de preparação para licenciamento.
Questão de pesquisa, proveniência dos dados, restrições clínicas e regulatórias e as formas enumeradas pelas quais o sistema pode falhar, escritas antes da arquitetura.
Responsabilidades dos agentes, fronteiras de autoridade, limiares e indicadores de desempenho declarados em um documento de governança contra o qual o build é testado.
Todo identificador externo resolvido na fonte. Metadados degradados rejeitados. Conjuntos de treinamento e avaliação separados por contrato.
Liberação por portões de estágio com protocolos de kill switch. Integração por APIs padrão e HL7 FHIR quando há dados clínicos em escopo.
Comportamento em execução auditado contra a declaração. Regressão detectada pela telemetria por agente. O retreinamento é, ele próprio, uma liberação com portões.
Domínios de estudo
A pesquisa da firma concentra-se onde um endocrinologista em exercício e cientista clínico pode dirigir, auditar e revisar clinicamente o resultado. Os domínios são listados pela plataforma ou programa em que estão ativos.
| Domínio | Programa ou plataforma | Resultado representativo |
|---|---|---|
| Descoberta de fármacos para doenças genéticas raras | DrugSynthAI · MitoCoreX | Campanha validada, Zenodo 19393450; preprint no ChemRxiv; pôster AIMed 2026 Cracóvia |
| Operações clínicas e fluxo de trabalho médico | FxMED OS | Dezenove camadas de serviço em produção sob governança BAA |
| Educação médica e licenciamento | MedBoardPRO · Plataforma AFMI | Motor adaptativo de preparação, beta; SaaS educacional, MVP |
| Genômica e medicina de precisão | Programa de auditoria de validação | JAMIA Open 2026; Auditable AI for Genomic Equity, SSRN 6159546 |
| Cardioendocrinologia e medicina metabólica | Programa de pesquisa clínica | Revisão sistemática de 25 anos, Int. J. Cardiovascular Medicine 2024 |
| Governança e política de IA clínica | EGLS · AIDD-GOV | Teoria formal no SSRN; padrão aberto sob Apache 2.0; palestra convidada ACMG 2027 |
Tecnologia em uso
Escolhida por reprodutibilidade e operação local first. Provedores de modelos são intercambiáveis atrás do gateway de orquestração; a governança não depende de nenhum fornecedor único.
Python · TypeScript · SQL
PyTorch · scikit-learn · RDKit · REINVENT4 · Boltz
Anthropic · OpenAI · Ollama (local first) · roteamento sensível a custo via MedClaw
Next.js · FastAPI · Supabase e PostgreSQL · Clerk · Vercel · Docker
HL7 FHIR · JWT ES256 · REST
Esquemas AIDD-GOV · ledger de governança (SOGDR) · Watcher Protocol · motor de citações verificadas via Crossref
Princípios operacionais
Cada princípio corresponde a um mecanismo no build, não a uma declaração de intenção.
Toda plataforma é dirigida, auditada e revisada clinicamente por um médico em exercício com certificação de especialidade. A revisão clínica é um portão de estágio nomeado.
A computação adaptativa é permitida apenas dentro de limites declarados. O limite é aplicado por um ledger e um watcher, não por texto de política.
O agente que produz uma saída nunca a avalia. A separação crítico-ator é um contrato, testado na suíte.
As citações são resolvidas via Crossref antes da aceitação. Metadados degradados são rejeitados. Nada é transcrito à mão.
Telemetria por agente, decisões de portão de estágio e estado do kill switch são registrados para revisão post hoc e detecção de regressão.
O AIDD-GOV é publicado sob Apache 2.0 com esquemas formais e níveis de conformidade para que o padrão de governança possa ser auditado e reutilizado.
Escopo e situação
Plataformas de inteligência artificial governada para descoberta de fármacos, preparação para licenciamento e operações clínicas, cada uma delas uma instanciação de pesquisa do programa da firma sobre sistemas de aprendizado externamente governados. Cinco produtos e três patentes provisórias norte-americanas estão em registro.
Pesquisa e desenvolvimento pré-seed. Duas plataformas operam em produção como instanciações de pesquisa, uma está em beta e duas em fases anteriores. A ênfase recai sobre prova de conceito validada, auditoria revisada por pares e métodos publicados.
Sim. O FxMED OS é um prontuário eletrônico e sistema operacional médico com dezenove camadas de serviço; o MedBoardPRO e a Plataforma AFMI são plataformas de aprendizagem; a entrega, a nuvem e a engenharia de dados subjacentes são construídas internamente. Os domínios de capacidade em IA e os domínios de plataforma compartilham um único arcabouço de governança.
Pelo arcabouço EGLS: uma declaração de governança nomeia a fronteira de autoridade de cada agente, um ledger registra as decisões de liberação, um watcher audita o comportamento em execução contra a declaração e portões de estágio com protocolos de kill switch controlam a liberação. O padrão é publicado como o padrão aberto AIDD-GOV.
Por auditoria empírica, não por afirmação. O trabalho revisado por pares da firma sobre aprendizado por atalhos mostra como classificações incorretas escapam à validação padrão; as plataformas levam essa auditoria à produção com telemetria por agente e detecção de regressão. Informações de saúde protegidas são tratadas somente sob acordo de associado de negócios executado.
Anthropic, OpenAI e inferência local via Ollama, roteados por custo e sensibilidade atrás do gateway MedClaw. PyTorch, scikit-learn, RDKit, REINVENT4 e Boltz no lado de aprendizado e química. Next.js, FastAPI, Supabase e HL7 FHIR na camada de aplicação e interoperabilidade.
Na página de Publicações: 31 artigos no SSRN, 27 DOIs em diversas plataformas, artigos revisados por pares em JAMIA Open e Am J Biomed Sci & Res e um registro ORCID com setenta revisões por pares verificadas.
Correspondência científica, editorial e de imprensa é analisada em um dia útil. Identifique o periódico, a instituição ou o veículo no assunto da mensagem. Médicos e pesquisadores principais recebem contato direto do fundador.
Correspondência
A firma acolhe correspondência científica e acadêmica sobre qualquer dos domínios acima, consultas editoriais e solicitações de imprensa. Identifique a instituição ou o veículo no assunto da mensagem.