Infraestrutura de evidências para medicina canabinoide
Encontre o estudo.
Inspecione a evidência.
Conheça seus limites.
A MaryGenAI transforma literatura científica dispersa em registros candidatos vinculados às fontes, que médicos, pesquisadores e comunidades de aprendizagem podem descobrir e verificar.
As classificações por IA apoiam a busca. Elas não são verdade clínica revisada, diagnóstico ou recomendação de tratamento.
REGISTRO CANDIDATO / 03437somente leitura
AI candidate · needs reviewRastreávelidentidade da fonte e hashesInspecionávelevidências e incertezasDelimitadoestado de confiança candidato
O problema
A descoberta científica não deveria começar em um labirinto de registros desconectados.
A literatura relevante está distribuída entre índices, repositórios, páginas de editoras e metadados inconsistentes. A MaryGenAI constrói a camada verificável de fontes entre esse cenário fragmentado e as ferramentas usadas para formular perguntas científicas.
Como funciona
Proveniência antes da escala.
Cada transição preserva identidade, rota da fonte, evidência, incerteza e estado de confiança.
- 01
Descobrir
Encontrar publicações candidatas por rotas de fontes científicas explícitas e auditáveis.
- 02
Adquirir
Resolver a identidade e localizar texto-fonte utilizável por caminhos legais que preservam a proveniência.
- 03
Classificar
Criar rótulos estruturados de busca candidata com trechos de evidência, incerteza e versões.
- 04
Recuperar
Expor um snapshot imutável de candidatos pela CLI, pelo MCP e por este Viewer somente leitura.
- 05
Revisar
Futuros curadores treinados poderão aceitar, corrigir ou se abster antes da criação de qualquer snapshot revisado.
Snapshot operacional verificado
Útil hoje, explícito sobre o amanhã.
Os números abaixo refletem o estado documentado do projeto, verificado em 13 de agosto de 2026.
Implementado
Piloto de recuperação somente leitura
Busca lexical e estruturada, detalhes do estudo, facetas, descoberta de capacidades, CLI, MCP stdio e HTTP sem estado sobre um snapshot DuckDB isolado.
Implementado aqui
Dataset Viewer v1
Busca, filtros, estado estável na URL, paginação, rótulos explícitos de confiança, inspeção de evidências, proveniência e acesso ao índice candidato.
Planejado
Referência pública revisada
Curadoria universitária, licenciamento explícito, snapshots revisados e redistribuição pública continuam sendo etapas futuras — não afirmações atuais.
Código e documentação
Acompanhe o projeto no GitHub.
Explore a implementação, os contratos, as decisões de arquitetura e a documentação pública da MaryGenAI.
Model Context Protocol
Uma rota estruturada entre perguntas científicas e estudos candidatos inspecionáveis.
O piloto MCP permite que assistentes compatíveis pesquisem o mesmo serviço somente leitura, inspecionem estudos selecionados e preservem linguagem segura e links preferenciais para as fontes.
O aplicativo cliente deve distinguir correspondências diretas de tangenciais e inspecionar os detalhes antes de fazer afirmações específicas sobre evidências.
Uma futura camada comunitária de revisão
Universidades podem ajudar a transformar candidatos em conhecimento revisado.
Professores, estudantes e parceiros científicos poderão participar de tarefas de curadoria treinadas e versionadas, com identidade do revisor, dupla revisão, adjudicação e proveniência somente acréscimo.
Aprendercom diretrizes congeladas e tarefas de calibraçãoRevisarcampos, trechos de evidência e identidade das fontesAdjudicardivergências sem apagar o histórico candidatoPublicar depoissomente após as etapas de licenciamento e revisão
Segurança e limitações
A publicação original continua sendo a autoridade científica.
- Rótulos candidatos podem estar incompletos, incertos ou errados.
- Confiança e ordenação não medem a força da evidência clínica.
- Resultados vazios estão limitados ao snapshot e à consulta atuais.
- Dados que identifiquem pacientes não devem aparecer em consultas ou exemplos.
- O dataset candidato atual não está licenciado para redistribuição.