O avanço dos Modelos de Linguagem de Grande Escala (LLMs) tem impulsionado o desenvolvimento de sistemas inteligentes para apoio à decisão clínica. Entretanto, a utilização isolada desses modelos apresenta limitações relacionadas à geração de informações não fundamentadas, à ausência de rastreabilidade e à dificuldade de incorporar evidências médicas atualizadas. Este trabalho propõe uma arquitetura modular baseada em sistemas multiagentes que integra técnicas de Retrieval-Augmented Generation (RAG), recuperação semântica de literatura médica, consulta a bulas oficiais de medicamentos e auditoria automatizada por meio do paradigma Agent-as-a-Judge.

A arquitetura desenvolvida é composta por um módulo de triagem conversacional para extração automática da anamnese, um Medical RAG responsável pela identificação de hipóteses diagnósticas e recomendações terapêuticas fundamentadas em literatura médica, um Drug RAG destinado à recuperação de informações farmacológicas em bulas oficiais com mecanismo de re-ranqueamento baseado no perfil do paciente e um agente auditor que avalia a consistência e a confiabilidade das recomendações produzidas.

Como resultado, o sistema gera relatórios clínicos estruturados contendo a anamnese, as hipóteses diagnósticas, as recomendações terapêuticas, as evidências documentais utilizadas e indicadores de segurança e fidelidade produzidos pelo agente auditor. A arquitetura proposta contribui para aumentar a transparência, a rastreabilidade e a confiabilidade de sistemas de apoio à decisão clínica, reduzindo a dependência exclusiva do conhecimento paramétrico dos modelos de linguagem e fundamentando suas respostas em evidências provenientes de literatura médica especializada e bulas oficiais de medicamentos.