A lógica implementada é a seguinte:

Busca Inicial Rápida: Seu sistema atual (fuzzy, exata, etc.) age como um filtro para encontrar um conjunto de procedimentos candidatos.

Carregamento Local: O servidor app.py carrega o modelo BERTimbau de uma pasta local (./models/) ao iniciar.

Reclassificação Semântica: Os candidatos da busca inicial são passados para o modelo, que calcula um score semântico para cada um em relação à sua busca.

Resultado Final Ordenado: A lista final é reordenada com base nesse score semântico, e o melhor resultado é destacado.

Interface Melhorada: O index.html é atualizado para exibir essa lista final ordenada, destacar a melhor correspondência e mostrar o novo score semântico.

1. README_melhorado.md (Atualizado)

Este arquivo agora inclui as novas dependências e as instruções para baixar o modelo localmente.

Generated markdown
# Buscador de Procedimentos - RN 465 (Versão Semântica)

## Descrição

Este é um buscador de procedimentos médicos que utiliza uma abordagem de duas etapas para máxima precisão:

1.  **Busca Rápida (Filtro)**: Utiliza busca por código, textual, fuzzy e por palavras-chave para encontrar um conjunto de procedimentos candidatos relevantes.
2.  **Reclassificação Semântica (Precisão)**: Utiliza o modelo de linguagem **BERTimbau** para analisar o *significado* da sua busca e reordenar os candidatos, apresentando o resultado mais relevante semanticamente em primeiro lugar.

Isso combina a velocidade da busca tradicional com a precisão da inteligência artificial para entender a intenção do usuário.

## Instalação e Execução

### Pré-requisitos

- Python 3.7 ou superior
- Git e Git LFS (para baixar o modelo facilmente)

### Passos para Instalação

1.  **Clone o projeto ou descompacte o arquivo**:
    ```bash
    # Se recebeu um zip:
    unzip buscador_procedimentos.zip
    cd buscador_procedimentos/
    ```

2.  **Baixe o Modelo de Linguagem (BERTimbau)**:
    Este passo precisa ser feito apenas uma vez. Ele irá baixar o modelo (aprox. 400MB) para uma pasta local `models/` para que a aplicação funcione 100% offline.

    ```bash
    # Crie a pasta para os modelos
    mkdir models
    cd models

    # Instale o Git LFS se não tiver
    # git lfs install

    # Clone o repositório do modelo
    git clone https://huggingface.co/neuralmind/bert-base-portuguese-cased

    # Volte para a pasta principal do projeto
    cd ..
    ```

3.  **Instale as dependências do Python**:
    ```bash
    pip install Flask pandas thefuzz python-Levenshtein unidecode sentence-transformers torch
    ```

4.  **Execute o buscador**:
    ```bash
    python app.py
    ```
    *Aguarde a mensagem `[SERVIDOR PRONTO]` no terminal. O primeiro carregamento pode ser um pouco mais lento devido ao modelo.*

5.  **Acesse no navegador**:
    Abra seu navegador e acesse: `http://127.0.0.1:5000/`

## Como Usar

Digite o procedimento desejado. Exemplos:
- `cirurgia para corrigir miopia`
- `exame de sangue completo`
- `ressonancia magnetica do joelho`
- `tratamento para apendicite`

### Interpretação dos Resultados

A lista de resultados é ordenada pela relevância semântica.

- **Melhor Correspondência**: O primeiro resultado, destacado com uma borda verde e um selo, é a recomendação do sistema como o mais provável de ser o que você procura.
- **Score Semântico**: Uma pontuação de 0 a 100 que indica o quão similar é o *significado* do procedimento encontrado com o termo que você buscou.
- **Score de Busca**: A pontuação original do método de busca inicial (fuzzy, etc.).
- **Tipo de correspondência**: Indica como o resultado foi encontrado na busca inicial (filtro).

## Estrutura dos Arquivos

- `app.py`: Aplicação Flask principal, carrega os dados e o modelo.
- `enhanced_search_v2.py`: Módulo que executa a busca inicial e a reclassificação semântica.
- `templates/index.html`: Interface web (front-end).
- `models/bert-base-portuguese-cased/`: **(NOVO)** Contém os arquivos do modelo de linguagem.
- `r