Triagem de Perícias com IA

Descrição e Justificativa

O residente de BI da JFRN, Jonathan Jalles, da turma 2019, realizou o trabalho de conclusão de curso, do qual versa sobre a necessidade crescente de soluções que deem celeridade à tramitação de processos judiciais, a fim de aumentar o índice de atendimento à demanda e diminuir a taxa de congestionamento nos tribunais, sobretudo no primeiro grau. Resumidamente, o trabalho, através de modelos de Inteligência Artificial, realiza a triagem de processos que exigem perícias médicas.

O trabalho encontrou sua motivação no potencial estratégico que a utilização de soluções inteligentes pode conferir ao Poder Judiciário brasileiro, onde a quantidade de processos é maior que a capacidade das atuais medidas para lidar com o problema. Com o enorme volume de processos em andamento, a disponibilidade de ferramentas de suporte à tomada de decisão tem potencial de gerar grande impacto nas atividades de rotina de servidores e Magistrados do Poder Judiciário, conferindo-lhes maior agilidade e atendimento jurisdicional.

O escopo inicial do projeto foi definido para tratamento dos processos em andamento nos Juizados Especiais Federais do Rio Grande do Norte, haja vista que os dados utilizados para treinamento dos modelos foram retirados do sistema CRETA, utilizado na JFRN. Contudo, entendemos que seja possível generalizar a utilização da solução para outras Varas e especialidades, a partir do re-treino do modelo com dados de interesse.

Nesse sentido, observando o impacto e significância do projeto, com o patrocínio da Direção do Foro, os residentes de BI da turma seguinte, do ano de 2020, deram continuidade ao trabalho, que teve início de forma local e foi disponibilizado na Plataforma Sinapses do Conselho Nacional de Justiça (CNJ). Isso foi possível em decorrência da capacitação da turma por meio de curso on-line oferecido pelo Conselho, onde se habilitaram para a publicação de aplicações baseadas em Inteligência Artificial no ambiente disponibilizado para todo o Poder Judiciário. Contudo, devido a limitações operacionais da infraestrutura, foi montado uma plataforma para uso interno dos modelos, denominada de CEOS. A quarta turma de residentes de BI deu continuidade ao projeto e finalizou em 2023. 

Benefícios

Dentro dos inúmeros benefícios que o projeto oferece, podemos citar:

  • Automatização do Processo de Perícias;
  • Diminuição da taxa de congestionamento dos tribunais, sobretudo, do primeiro grau;
  • Maior acurácia na triagem de Perícias;
  • Auxílio na tomada de decisão;
  • Maior agilidade e segurança Jurídica.
Estado Atual

Foi construída uma pipeline para treinamento de modelos de IA, de forma a ser possível executá-la com ou sem VPN. Quanto aos modelos desenvolvidos ao longo da residência, é importante mencionar a criação do identificador de petições iniciais, usado para validar os documentos extraídos da base de dados para treinamento. Além disso, também foi realizada uma pesquisa para implementação de classificação multirrótulo no modelo que identifica a especialidade médica. Ao longo da residência, foram feitas entrevistas e rodadas de testes com os servidores da JFRN, com o intuito de validar o produto em produção.

Foram feitos ajustes no site anteriormente denomidado CEOS e atualmente os modelos estão disponiveis para teste no site Triagem, acessível através da Intranet. Servidores e magistrados podem inserir o inteiro teor da petição inicial em texto puro ou o documento em formato PDF ou DOC.

Está em desenvolvimento pelo TRF-5 com uso da interface desenvolvida pela residência da JFRN, um minifluxo completamente integrado ao sistema PJE que visa etiquetar automaticamente aqueles processos de análise de perícia com as especialidades profissionais recomendadas.

Além disso, foi criada uma extensão para navegadores de internet do Google Chrome e do Mozilla Firefox, baseado no projeto patrocinado pelo CNJ, o PJE+R. Está em desenvolvimento uma funcionalidade que visa atuar dentro da página do PJE, capturando o inteiro teor da petição inicial na tela do usuário e tendo como resultado a recomendação da especialidade do perito por meio de um clique de botão.

Status: Finalizado

Equipe

Ney Oliveira

Graduado como Bacharel em Ciência e Tecnologia pela Universidade Federal do Rio Grande do Norte (2017) com ênfase em informática. Depois descobriu python e a área de dados. Fez um Bootcamp de Engenharia de Dados na SoulCode Academy onde teve experiências com pipelines, PySpark e Google Cloud Platform. Conheceu em uma intensiva imersão os modernos BigQuery, Cloud Storage, Dataflow e DataProc. Apaixonado por tecnologias e sempre buscando agregar novas 'soft skills'. Atualmente aluno residente no JFRN de Business Intelligence & Analytics pelo IMD/UFRN.

Patrícia Sayonara

Bacharel em Tecnologia da Informação (BTI) pela Universidade Federal do Rio Grande do Norte (UFRN), com certificação de estudos secundários em Bioinformática. Entre 2019 e 2021, foi bolsista de Iniciação Científica aplicando metodologias de análise de dados com Python em base de dados do Judiciário. Atualmente é residente do Programa de Residência em TI JFRN/IMD na área de Business Intelligence & Analytics.

E-mail InstitucionalGitHub
Matheus de Andrade

Residente de Pós-Graduação em Business Intelligence e Analytics na Justiça Federal no Rio Grande do Norte e Aluno de Graduação em Engenharia de Software na Universidade Federal do Rio Grande do Norte. Bacharel em Tecnologia da Informação pela Universidade Federal do Rio Grande do Norte.

Perfil no LinkedInPerfil no GithubEmail
Bruna Alice

Bacharela em ciências e tecnologia pela UFRN. Residente em Business Intelligence e Analytics, na JFRN. Busco novos conhecimentos e aprimoramento dos já adquiridos. 

Perfil do LikendlnEmail
Fernando Murilo

Graduado em Engenharia de Computação com ênfase em Automação Industrial pela Universidade Federal do Rio Grande do Norte. Atualmente residente de Pós-Graduação em Business Intelligence e Analytics na Justiça Federal do RN.

E-mail Institucional