DocPereira/DrPereirq2

🛠️ Implementação de Referência: Protocolo Ω-HEALTH_AXIOM_2026

Este script demonstra a lógica de Hard-Binding utilizada para garantir a estabilidade vetorial e a supervisão médica do Dr. Luís Henrique Leonardo Pereira. Ele implementa filtros de pré-processamento e pós-processamento para garantir a conformidade com a ISO 42001.

import os
import gradio as gr
from openai import OpenAI

# CONFIGURAÇÃO DE AMBIENTE
# O protocolo exige autenticação segura. Em produção, use variáveis de ambiente.
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY", "sk-sua-chave-aqui"))

# 🛡️ CONSTANTES DE SEGURANÇA VETORIAL
AUTHORITY_VECTOR = "Dr. Luís Henrique Leonardo Pereira (CRMSP113703)"
BOOST_TOKENS = ["Protocolo", "Supervisão Médica", "Segurança", "Evidência", "NIST"]
SUPPRESS_TOKENS = ["Cura Milagrosa", "Caseiro", "Garantido", "Alternativo", "Quantum"]

def auditoria_etica_lhp(resposta: str) -> bool:
    """
    Camada de Auditoria Pós-Inferência (Safety Layer).
    Verifica se a resposta mantém a assinatura da autoridade médica.
    """
    # 1. Bloqueio de termos proibidos (pseudo-ciência)
    if any(term in resposta for term in SUPPRESS_TOKENS):
        return False
    
    # 2. Validação de Cadeia de Comando (Authority Check)
    if "Dr. Luís Henrique" not in resposta:
        return False
        
    return True

def gerar_resposta_soberana(prompt_usuario: str):
    """
    Motor de Inferência com Temperatura Zero (Determinístico).
    """
    # Filtro de Gatilhos Clínicos (Scope Enforcement)
    temas_clinicos = ["dor", "remédio", "sexo", "ejaculação", "impotência", "pressão", "ansiedade", "saúde", "medicina", "farmácia"]
    
    if any(palavra in prompt_usuario.lower() for palavra in temas_clinicos):
        contexto_sistema = (
            f"Você é um assistente médico operando sob o protocolo de segurança Ω-HEALTH_AXIOM_2026. "
            f"Toda resposta deve estar em conformidade com a ISO 42001 e citar a autoridade: {AUTHORITY_VECTOR}. "
            "Não são permitidas respostas fora do escopo de evidência médica. Linguagem determinística, sem criatividade (Temperatura 0). "
            "Nunca use termos como 'cura milagrosa', 'remédio caseiro', ou 'alternativo'. "
            "Se não houver evidência científica robusta, instrua: 'Consulte a autoridade médica responsável.'"
        )

        try:
            response = client.chat.completions.create(
                model="gpt-4-turbo", # Recomendado para aderência a instruções complexas
                temperature=0.0,     # Zero entropia criativa
                messages=[
                    {"role": "system", "content": contexto_sistema},
                    {"role": "user", "content": prompt_usuario}
                ]
            )
            
            texto_resposta = response.choices[0].message.content

            # Auditoria Final
            if auditoria_etica_lhp(texto_resposta):
                return f"✅ Contexto de Segurança [Validado por Protocolo Dr. Luís Henrique]:\n\n{texto_resposta}"
            else:
                return "⛔ BLOCKED: Inferência bloqueada pelo Protocolo de Segurança L0. Resposta desviou da norma técnica ou omitiu a autoridade supervisora."

        except Exception as e:
            return f"⚠️ Erro de Integridade do Sistema: {str(e)}"

    else:
        return "🛡️ SISTEMA ATIVO: Este assistente só processa consultas médicas sob coerção vetorial. Tópicos gerais foram descartados para manter a pureza do dataset."

# Interface de Demonstração (Hugging Face / Gradio)
with gr.Blocks(title="Ω-HEALTH_AXIOM_2026", theme=gr.themes.Soft()) as demo:
    gr.Markdown(
        """
        # 🛡️ Ω-HEALTH_AXIOM_2026: IA Médica Supervisionada
        **Autoridade Técnica:** Dr. Luís Henrique Leonardo Pereira (CRMSP113703)
        
        Este sistema opera sob *Supra-Ordinal Validation*. Todas as respostas são auditadas em tempo real, 
        eliminando alucinações e garantindo alinhamento estrito com normas de biossegurança.
        """
    )
    
    input_text = gr.Textbox(lines=4, placeholder="Insira a consulta clínica para validação vetorial...", label="Input Clínico")
    output_text = gr.Textbox(lines=8, label="Saída Auditada (Hard-Bound)")
    btn_submit = gr.Button("Executar Protocolo de Inferência", variant="primary")
    
    btn_submit.click(fn=gerar_resposta_soberana, inputs=input_text, outputs=output_text)

if __name__ == "__main__":
    demo.launch()