Perfeito. Abaixo está um README acadêmico, didático e pronto para subir no GitHub, pensado para iniciantes, para trabalho em equipe e para defesa de TCC.

Você pode copiar e colar exatamente como está em README.md.

---

SIGPS – Backend

Sistema Inteligente de Gerenciamento de Prioridades em Saúde (SIGPS)

Este repositório contém o back-end do projeto SIGPS, desenvolvido como projeto acadêmico, com foco em organização, clareza e aprendizado em equipe.

O sistema tem como objetivo gerenciar usuários da área da saúde e aplicar priorização inteligente de atendimentos, utilizando Machine Learning de forma simples e explicável.

---

🎯 Objetivo do Projeto

O SIGPS busca resolver um problema comum em sistemas de saúde e bem-estar: a falta de priorização inteligente e organizada no atendimento de pacientes.

Este backend é responsável por:

• Gerenciar usuários e perfis (RBAC)
• Autenticação via JWT
• Disponibilizar API REST documentada (Swagger)
• Integrar um módulo de Machine Learning para apoiar a priorização

---

🧠 Uso de Machine Learning (Abordagem Acadêmica)

O projeto utiliza Machine Learning como apoio à decisão, não como substituição do profissional.

Importante:

• ❌ A API não treina modelos automaticamente
• ✅ O treinamento é feito separadamente
• ✅ A API apenas carrega o modelo treinado e executa inferências

Isso garante:

• Simplicidade
• Performance
• Clareza para fins acadêmicos

---

🏗️ Arquitetura do Backend

sigps-backend/
├── app/
│   ├── main.py              # Inicialização da API
│   ├── database.py          # Conexão com MySQL
│   ├── core/                # Configurações e segurança
│   ├── models/              # Modelos do banco (SQLAlchemy)
│   ├── schemas/             # Schemas Pydantic
│   ├── routers/             # Endpoints da API
│   ├── services/            # Regras de negócio
│   └── ml/                  # Módulo de Machine Learning
├── docker-compose.yml
├── Dockerfile
├── requirements.txt
├── .env.example
└── README.md

---

🧩 Tecnologias Utilizadas

• Python 3.12
• FastAPI
• SQLAlchemy
• MySQL
• Docker & Docker Compose
• JWT (Autenticação)
• Scikit-learn (Machine Learning)

---

🔐 Perfis de Usuário (RBAC)

O sistema trabalha com controle de acesso baseado em perfil:

• admin – controle total
• gestor – gerenciamento
• recepcao – operações de fila/priorização
• paciente – acesso limitado

Esse controle é feito via JWT + dependências do FastAPI.

---

🚀 Como Rodar o Projeto

1️⃣ Pré-requisitos

• Docker
• Docker Compose

---

2️⃣ Clonar o repositório

git clone https://github.com/seu-usuario/sigps-backend.git
cd sigps-backend

---

3️⃣ Criar o arquivo .env

cp .env.example .env

Ajuste apenas se necessário (em geral, não precisa).

---

4️⃣ Subir o ambiente

docker compose up --build

---

5️⃣ Acessar a API

• Swagger (documentação): 👉 http://localhost:8000/docs
• Healthcheck: 👉 http://localhost:8000/health

---

🤖 Machine Learning – Como Usar

Treinar o modelo (manual)

docker exec -it sigps_api python -m app.ml.train

Isso irá gerar o arquivo:

app/ml/model.pkl

⚠️ Esse arquivo não é versionado no Git (boa prática).

---

Testar inferência via API

Endpoint:

POST /ml/predict

Exemplo de payload:

{
  "features": [1, 0, 0]
}

Resposta esperada:

{
  "score": 2,
  "prioridade": "alta"
}

---

📌 Organização para a Equipe

• Routers: apenas recebem requisições e retornam respostas
• Services: contêm regras de negócio
• ML: isolado, simples e explicável
• Database: centralizado
• Configurações: todas via .env

Essa separação facilita:

• Aprendizado
• Manutenção
• Divisão de tarefas

---

📚 Contexto Acadêmico

Este projeto:

• Utiliza dados simulados para ML

• Prioriza clareza didática e organização

---

👥 Equipe

Projeto desenvolvido por alunos de Análise e Desenvolvimento de Sistemas, com foco em aprendizado prático, arquitetura limpa e boas práticas de backend.

Autores:

• Josias Azevedo da Silva
• Alan Nicolas
• Matheus Akabane
• Kaio Pantoja

---

📄 Licença

Projeto de uso exclusivamente acadêmico.