Pato, Matilde Pós-de-MinaDatia, Nuno Miguel SoaresPinto, Ana Sofia Simões2025-05-082025-05-082025-02http://hdl.handle.net/10400.21/21848Abstract The rapid growth of user-generated content on multiple online platforms has opened opportunities for improving decision-making across various domains, including healthcare. This dissertation focuses on the development of our Drug Recommendation System based on usergenerated content (DRecSys-SUSA), designed to assist healthcare professionals and patients by providing personalized drug recommendations and supporting informed decision-making. Our research leverages the UCI ML Drug Review dataset as the foundation for developing an advanced recommendation system. Our solution utilizes a combination of modern AI techniques, including Exploratory Data Analysis (EDA), data pre-processing, sentiment analysis (SA), and text generation using a fine-tuned Large Language Model (LLM). We design and propose a recommendation system framework, within which we implement multiple variants of DRecSys-SUSA using different combinations of AI techniques. Each variant generates medically relevant suggestions to user-specific inputs such as age, symptoms, and current medications. Through an iterative process of implementation and evaluation using an LLM-as-judge methodology with AI-generated real-world scenarios, we identify which AI techniques are most beneficial for providing clinically appropriate and user-friendly drug recommendations. The resulting insights contribute to the advancement of AI-driven healthcare tools by establishing effective approaches for leveraging user-generated content in medical recommendation systems.O rápido crescimento de conteúdo gerado por utilizadores em múltiplas plataformas online abriu oportunidades para melhorar a tomada de decisões em vários domínios, incluindo no domínio da saúde. Esta dissertação centra-se no desenvolvimento do nosso Sistema de Recomendação de Medicamentos baseado em conteúdo gerado por utilizadores (DRecSys-SUSA), concebido para auxiliar profissionais de saúde e pacientes, fornecendo recomendações personalizadas de medicamentos e apoiando a tomada de decisões informada. A nossa investigação utiliza o conjunto de dados UCI ML Drug Review como base para desenvolver um sistema de recomendação avançado. A nossa solução utiliza uma combinação de técnicas modernas de Inteligência Artificial (IA), incluindo Análise Exploratória de Dados, pré-processamento de dados, análise de sentimentos e geração de texto utilizando um Modelo de Linguagem de Grande Escala especializado. Concebemos e propomos uma estrutura de sistema de recomendação, na qual implementamos múltiplas variantes do DRecSys-SUSA utilizando diferentes combinações de técnicas de IA. Cada variante gera sugestões medicamente relevantes para inputs específicos do utilizador, como idade, sintomas e medicação atual. Através de um processo iterativo de implementação e avaliação utilizando uma metodologia LLM-as-judge com cenários reais gerados por IA, identificamos quais as técnicas de IA mais benéficas para fornecer recomendações de medicamentos clinicamente apropriadas e de fácil utilização. Os resultados obtidos contribuem para o avanço das ferramentas de saúde baseadas em IA, estabelecendo abordagens eficazes para aproveitar o conteúdo gerado por utilizadores em sistemas de recomendação médica.engNatural language processingDrug recommendation systemSentiment analysisLexicon-based techniquesData pre-processingTransfer learningLarge language modelsProcessamento de linguagem naturalSistema de recomendação de medicamentosAnálise de sentimentosTécnicas baseadas em léxicoPré-processamento de dadosAprendizagem por transferênciaModelos de linguagem de grande escalamaster thesis203940466