--- language: - pt license: cc-by-4.0 task_categories: - question-answering - text-generation task_ids: - closed-domain-qa pretty_name: ChatBulário size_categories: - 10K **Este dataset não é produzido nem endossado pela ANVISA.** É uma compilação independente > de documentos públicos disponibilizados pela agência. Código-fonte e pipeline de construção: [github.com/walmeidadf/ChatBulario](https://github.com/walmeidadf/ChatBulario) --- ## Motivação A bula do paciente brasileira tem uma estrutura única: a **RDC 47/2009** obriga que todos os medicamentos registrados apresentem suas informações em torno de **nove perguntas fixas**, escritas na segunda pessoa e em linguagem não-técnica. Essa uniformidade cria um alinhamento natural entre pergunta e resposta — raro em textos médicos — que o ChatBulário explora para gerar pares supervisionados de alta qualidade. O dataset é adequado para: - **Question answering de domínio fechado** — dada uma pergunta da RDC 47/2009 e metadados de um medicamento, recuperar ou gerar a resposta correta - **Instruction-tuning** — fine-tuning de LLMs para o domínio farmacêutico em português - **RAG / busca semântica** — base de conhecimento estruturada para chatbots de informação sobre medicamentos --- ## Fonte dos dados As bulas são disponibilizadas publicamente pela ANVISA em dois pontos: | Fonte | URL | Uso neste dataset | |---|---|---| | Bulário Eletrônico | `consultas.anvisa.gov.br` | Download dos PDFs das bulas do paciente | | Dados Abertos ANVISA | `dados.anvisa.gov.br/dados/DADOS_ABERTOS_MEDICAMENTOS.zip` | Catálogo com metadados de ~10k medicamentos ativos | A coleta abrangeu o universo de medicamentos com número de registro ativo no CSV de Dados Abertos, resultando em **8.258 PDFs** de bulas do paciente baixados. --- ## Como foi construído ### 1. Coleta A API do Bulário (`consultas.anvisa.gov.br`) é protegida por Cloudflare. A solução utilizada foi um **Chromium headless real** via Playwright, que resolve o challenge de forma transparente e executa `fetch()` de dentro da página com `Authorization: Guest`. A coleta é dirigida pelo campo `NUMERO_REGISTRO_PRODUTO` do CSV, com ritmo de 1,5 s + jitter entre requisições e backoff exponencial em erros 429/503. ### 2. Extração de texto (PDF → texto) Cada PDF foi processado com **PyMuPDF** para extração de texto. Artefatos corrigidos deterministicamente: - Cabeçalhos e rodapés padrão RDC 47/2009 removidos por regex - Hifenização de quebra de linha reconstituída (`cirurgião-\ndentista` → `cirurgião-dentista`) - PDFs multi-bula (alguns registros agrupam bulas de diferentes apresentações): isolada apenas a primeira bula por split em âncora textual - Bulas escaneadas (sem camada de texto) descartadas — **22 bulas**, sem OCR nesta versão ### 3. Segmentação nas 9 seções (fuzzy matching) A localização das seções usa **fuzzy matching** (biblioteca `rapidfuzz`, limiar 80) sobre os títulos padronizados da RDC 47/2009. O algoritmo tolera variações tipográficas comuns nas bulas: numeração isolada em linha separada, abreviações e grafias alternativas. **Cobertura:** 88% das bulas com as 9 seções completas; 12% com seções parciais (layouts atípicos) — incluídas no dataset com as seções detectadas. ### 4. Enriquecimento por LLM A seção de identificação de cada bula (cabeçalho com nome, fabricante, composição, forma farmacêutica etc.) foi enviada ao `gpt-4o-mini` via **OpenAI Batch API** para extração de metadados estruturados. A Batch API foi escolhida por não ter limite de requisições por dia e oferecer 50% de desconto sobre a API síncrona. | Campo extraído | Cobertura | |---|---| | `forma_farmaceutica`, `apresentacao` | ~78% | | `principio_ativo`, `composicao`, `uso` | ~77% | | `nome_comercial` | ~72% | | `fabricante` | ~27% | O `fabricante` tem cobertura baixa porque aparece predominantemente nos *dizeres legais* (final da bula), não na seção de identificação processada. Cerca de 20% das bulas têm metadados LLM inteiramente nulos (identificação muito curta ou atípica). **Os pares pergunta/resposta — o núcleo do dataset — têm cobertura completa.** --- ## Estrutura do dataset ### Configuração e splits Config único `default`, formato flat — 1 linha por par pergunta/resposta, com os metadados da bula denormalizados em cada linha (sem necessidade de join). Splits **80/10/10 agrupados por medicamento**: todas as perguntas de uma mesma bula caem no mesmo split, eliminando vazamento entre treino e teste. Estratificado por `classe_terapeutica`; classes com menos de 10 medicamentos vão inteiras para o treino. | Split | Pares Q/A | Medicamentos | |---|---|---| | `train` | 57.460 | 6.614 | | `validation` | 5.764 | 658 | | `test` | 5.714 | 658 | | **Total** | **68.938** | **7.930** | ### As 9 seções da RDC 47/2009 | `secao_id` | Pergunta | |---|---| | 1 | Para que este medicamento é indicado? | | 2 | Como este medicamento funciona? | | 3 | Quando não devo usar este medicamento? | | 4 | O que devo saber antes de usar este medicamento? | | 5 | Onde, como e por quanto tempo posso guardar este medicamento? | | 6 | Como devo usar este medicamento? | | 7 | O que devo fazer quando eu me esquecer de usar este medicamento? | | 8 | Quais os males que este medicamento pode me causar? | | 9 | O que fazer se alguém usar uma quantidade maior do que a indicada? | ### Campos | Campo | Tipo | Origem | Descrição | |---|---|---|---| | `registro` | `str` | ANVISA | Número de registro do medicamento (9 dígitos) | | `nome_produto` | `str\|null` | ANVISA/LLM | Nome comercial do medicamento | | `categoria_regulatoria` | `str\|null` | CSV ANVISA | `Referência`, `Genérico`, `Similar`, etc. | | `principio_ativo_csv` | `str\|null` | CSV ANVISA | Princípio ativo (nomenclatura oficial do CSV) | | `classe_terapeutica` | `str\|null` | CSV ANVISA | Ex: `INIBIDOR DA ECA`, `ANTIDEPRESSIVOS` | | `expediente` | `str\|null` | CSV ANVISA | Número do expediente regulatório | | `nome_comercial` | `str\|null` | LLM | Nome comercial extraído da bula | | `fabricante` | `str\|null` | LLM | Empresa fabricante (~27% cobertura — ver acima) | | `principio_ativo` | `str\|null` | LLM | Princípio ativo (texto livre da bula) | | `forma_farmaceutica` | `str\|null` | LLM | Ex: `comprimidos`, `solução oral` | | `via_administracao` | `str\|null` | LLM | Ex: `oral`, `tópica`, `intravenosa` | | `apresentacao` | `str\|null` | LLM | Embalagens e dosagens disponíveis | | `composicao` | `str\|null` | LLM | Composição qualitativa/quantitativa | | `uso` | `str\|null` | LLM | `adulto`, `pediátrico` ou `adulto e pediátrico` | | `secao_id` | `int` | segmentação | Número da seção/pergunta (1–9) | | `pergunta` | `str` | bula | Texto da pergunta padronizada | | `resposta` | `str` | bula | Texto da resposta extraído da bula | | `fuzzy_score` | `float` | segmentação | Confiança do match da seção (0–100); 100 = match exato | ### Exemplo ```python { "registro": "100290031", "nome_produto": "RENITEC®", "categoria_regulatoria": "Referência", "principio_ativo_csv": "MALEATO DE ENALAPRIL", "classe_terapeutica": "INIBIDOR DA ECA", "nome_comercial": "RENITEC®", "fabricante": "ORGANON FARMACÊUTICA LTDA.", "principio_ativo": "maleato de enalapril", "forma_farmaceutica": "comprimidos", "via_administracao": "oral", "apresentacao": "caixas com 30 comprimidos de 5, 10 ou 20 mg", "composicao": "Cada comprimido contém maleato de enalapril equivalente a 5 mg...", "uso": "adulto", "secao_id": 1, "pergunta": "Para que este medicamento é indicado?", "resposta": "Seu médico prescreveu RENITEC® para controlar a pressão alta...", "fuzzy_score": 100.0 } ``` --- ## Como usar ```python from datasets import load_dataset ds = load_dataset("walmeidadf/ChatBulario") # Todas as indicações (seção 1) do split de treino indicacoes = ds["train"].filter(lambda x: x["secao_id"] == 1) # Todas as perguntas de um medicamento específico renitec = ds["train"].filter(lambda x: x["registro"] == "100290031") # Só registros com fuzzy_score alto (match exato de seção) alta_qualidade = ds["train"].filter(lambda x: x["fuzzy_score"] >= 90) # Antidepressivos — todas as seções antidepressivos = ds["train"].filter( lambda x: x["classe_terapeutica"] == "ANTIDEPRESSIVOS" ) ``` --- ## Considerações de uso - **Não é aconselhamento médico.** As respostas reproduzem o texto das bulas para fins de pesquisa em PLN. Não devem ser usadas como fonte clínica sem validação profissional. - Consulte `fuzzy_score` para filtrar respostas de baixa confiança: scores abaixo de 80 indicam que a seção foi localizada por match aproximado e pode haver imprecisão nos limites. - ~12% das bulas têm menos de 9 seções detectadas (layouts atípicos) — incluídas com as seções disponíveis. - 22 bulas escaneadas foram descartadas por falta de camada de texto; não há OCR nesta versão. - Os metadados extraídos por LLM podem conter erros de extração e têm cobertura parcial (ver tabela de campos acima). Para uso que depende desses campos, validação adicional é recomendada. --- ## Estatísticas | Métrica | Valor | |---|---| | Pares pergunta/resposta | 68.938 | | Medicamentos únicos | 7.930 | | Bulas com as 9 seções completas | ~88% | | Classes terapêuticas distintas | 397 | | Top classes (por volume) | Antidepressivos (332), Antineoplásicos (288), Antibióticos (279) | | Tamanho da resposta — mediana | ~720 caracteres | | Tamanho da resposta — máximo | ~96.000 caracteres | --- ## Licença e direitos ### Texto das bulas As bulas do paciente são redigidas pelas **empresas farmacêuticas** titulares do registro e publicadas pela ANVISA no Bulário Eletrônico como condição de registro (Lei 6.360/1976 e RDC 47/2009). Diferentemente de atos normativos ou decisões judiciais, bulas **não são excluídas** da proteção autoral pelo art. 8º, IV da Lei 9.610/1998 — o direito autoral sobre o texto pertence aos respectivos fabricantes. O texto das bulas é reproduzido neste dataset para fins de **pesquisa em processamento de linguagem natural**, a partir de fonte de acesso público disponibilizada pela ANVISA. O uso aqui se enquadra na exceção de pesquisa científica (art. 46, II da Lei 9.610/1998). Usos comerciais do texto das bulas podem requerer autorização dos titulares. ### Dataset compilado A estrutura, segmentação, metadados extraídos e o trabalho de compilação deste dataset são disponibilizados sob **[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)** — uso livre com atribuição. ### Código O código de coleta e processamento está disponível em [github.com/walmeidadf/ChatBulario](https://github.com/walmeidadf/ChatBulario) sob licença **MIT**. --- ## Citação ```bibtex @dataset{chatbulario-2026, title = {ChatBulário: Dataset de perguntas e respostas a partir das bulas de medicamentos da ANVISA}, author = {Almeida, Wesley}, year = {2026}, publisher = {Hugging Face}, url = {https://huggingface.co/datasets/walmeidadf/ChatBulario}, note = {Código: github.com/walmeidadf/ChatBulario. Dados originais: Bulário Eletrônico da ANVISA (consultas.anvisa.gov.br)} } ```