Ferramentas de IA avaliadas para o seu trabalho
Ganhe treinando IA
🤝 Você está na biblioteca Grátis & Open Source — ferramentas feitas pela comunidade que você pode usar sem pagar. Um conceito diferente do nosso diretório de IA avaliado.
Início › Grátis & Open Source › Medicina › OpenHealth
✦ Grátis & open sourceMedicina

OpenHealth

Consolida registros de saúde, exames de sangue e sintomas para alimentar contextos estruturados em modelos de IA locais ou em nuvem.

Assistente de saúde de IA privado construído sobre dados médicos pessoais

Agregue registros médicos e execute consultas contextuais por meio de modelos locais como Ollama ou APIs comerciais.

Grátis para sempre · open source · AGPL-3.0
✓ Needs IT✓ No navegador✓ Colaboração em tempo real
6.3
ZEKAI
IA de saúde privada focada em dados.
Grátis & open source · Medicina
Facilidade de configuração5
Utilidade7
Manutenção5.5
Comunidade7.5
★ 3,948
GITHUB
Jan 2026
ATUALIZADO
AGPL-3.0
LICENÇA
🛠 Não quer hospedar você mesmo? Nós configuramos para você →
⚡ Resposta rápida

🚀 **OpenHealth** agrega entradas de saúde dispersas — como exames de sangue, métricas físicas e registros de sintomas — em um formato estruturado para análise assistida por IA. Você pode executá-lo totalmente offline usando Docker e Ollama ou acessar interfaces web hospedadas. Ele é voltado para indivíduos e profissionais que buscam gerenciamento de contexto estruturado e privado junto com modelos LLM.

Funciona em
Web
Hospedagem
Nuvem ou auto-hospedado
Idiomas
TypeScript
Licença
AGPL-3.0

O que é

A plataforma analisa entradas médicas brutas, como resultados de exames laboratoriais, métricas físicas pessoais e histórico familiar, transformando-as em um arquivo de dados padronizado. Em seguida, ela usa essa estrutura analisada como contexto para conversas com modelos como LLaMA, DeepSeek-V3, GPT, Claude ou Gemini. Para execução local, ele se integra ao Docling para análise e ao Ollama para inferência privada.

Para quem

É adequado para profissionais médicos com conhecimento técnico e pacientes que desejam privacidade de dados executando fluxos de trabalho de assistente de saúde localmente. Também é utilizável por meio de plataformas web hospedadas para consultas rápidas. Não é adequado para usuários não técnicos que procuram um aplicativo de desktop nativo pré-construído sem configuração de servidor.

Recursos principais

Consolidação de Dados de Múltiplas Fontes

Agrega exames de sangue, dados de wearables, histórico familiar e registros de sintomas pessoais em um repositório estruturado.

Integração Flexível com Mecanismo LLM

Conecta-se a APIs comerciais como Claude e GPT ou a modelos locais via Ollama e LLaMA.

Análise Local de Documentos

Processa documentos localmente usando Docling para extrair arquivos estruturados sem enviar dados brutos para terceiros.

Chat de IA com Consciência de Contexto

Fornece respostas personalizadas injetando seus dados médicos padronizados no contexto de interação do modelo.

Como começar

Pronto em 3 passos

1
Clone o repositório e copie .env.example para .env enquanto gera uma chave de criptografia de 32 bytes.
2
Configure seus endpoints de LLM alvo, ajustando URLs de host se estiver executando o Ollama no Docker.
3
Inicie a pilha de contêineres usando docker compose --env-file .env up e acesse a porta 3000.
Falando sério

Nosso veredito honesto

Pontos fortes

  • Suporta total privacidade local usando Docker, Docling e instâncias locais do Ollama.
  • Compatível tanto com modelos locais abertos quanto com as principais APIs de LLM comerciais.
  • Aceita diversas entradas, incluindo resultados de exames laboratoriais de sangue, métricas de wearables e histórico familiar.
  • Oferece variantes web pré-hospedadas juntamente com o código-fonte para self-hosting.

Onde deixa a desejar

  • Exige a execução do Docker ou Podman e o gerenciamento manual de serviços conteinerizados.
  • A análise de dados atualmente depende de um backend Python externo separado do repositório principal.
  • A inferência local demanda hardware capaz de executar LLMs de forma eficiente.
  • A configuração requer configuração manual de variáveis de ambiente e geração de chaves de criptografia.
Custo

Preços & licença

🚀 **OpenHealth** é gratuito e de código aberto sob a licença AGPL-3.0. Opções hospedadas como Clinic e Full Platform existem online, mas o self-hosting exige infraestrutura de hospedagem e suas próprias chaves de API para LLMs pagos.

Trabalho remunerado

Vagas para quem fala português

873 vagas remotas abertas de treinamento de IA, atualizadas em 17 de novembro de 2026; a maioria paga $20–$175 por hora. 10 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.

Ver todas as vagas abertas →
Comparar

Alternativas

🎁 Alternativas grátis & open source

Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.

Saiba mais

Use, ou deixe que a gente configure

📄 PDF grátis: OpenHealth para Medicina
Um guia em linguagem simples para o seu primeiro resultado. Enviado ao seu e-mail.
🔔 64 pessoas querem um tutorial em vídeo completo — adicione seu voto
🛠 Não quer configurar você mesmo?
Nós instalamos, hospedamos e configuramos o OpenHealth para você — e treinamos sua equipe.
Deixe com a gente ↗
Perguntas

FAQ

Posso executar o 🚀 **OpenHealth** sem enviar dados para APIs de nuvem externas?

Sim, você pode executar todo o ecossistema localmente usando Docling para análise de documentos e Ollama para inferência de LLM local.

Quais formatos de dados e entradas posso adicionar ao 🚀 **OpenHealth**?

Você pode inserir resultados de exames de sangue, relatórios de check-up de saúde, informações físicas, registros de sintomas e histórico familiar.

Quais modelos de IA podem ser conectados?

Ele suporta nativamente LLaMA, DeepSeek-V3, GPT, Claude e Gemini.

Radar

Últimas notícias de IA

✉️ O kit gratuito semanal
As melhores novas ferramentas grátis & open source para Medicina — um e-mail curto por semana, no seu idioma.
Grátis · 1 e-mail/semana · cancele quando quiser
Ganhe dinheiro treinando IA →

Veja o Zekai primeiro no Google