Seus dados sensíveis não saem do prédio.

Velo Nodo: um computador de IA compacto de alumínio grafite com frente microperfurada, sobre um pedestal de pedra.

Detecta e transforma as informações pessoais de prontuários, PDFs, imagens e áudio, dentro da sua rede.

Detecta, transforma e devolve. Tudo na sua sede.

Todo prontuário é um documento de identidade.

E o modelo que você quer usar para resumi-lo vive na nuvem. O Velo fica entre os dois: encontra cada dado pessoal e o transforma antes que o texto atravesse o seu firewall.

Nome do paciente e do acompanhanteNOME
CPF, RG e Cartão SUSDOCUMENTO
Número do prontuário e da autorizaçãoPRONTUÁRIO
Endereço completo e CEPENDEREÇO
Convênio, hospital e médico responsávelINSTITUIÇÃO
Datas de internação, alta e retornoDATA

Anonimização ao vivo

Detectar
Tokenizar
Sintetizar
Enviar

Um sumário de alta exatamente como sai do sistema de prontuário. É assim que você o veria em um PDF.

Sumário de alta · PEP exportado em PDFDados fictícios

Hospital Santa Luzia do Norte · Campinas - SP Paciente: Maria Fernanda Rocha Cardoso. CPF: 318.456.789-04. Idade: 67 anos. Prontuário: PR-0048213. Cartão SUS: 898 0012 3456 7890. Convênio: Saúde Andina. Endereço: Rua das Palmeiras, 452, apto 31, Jardim Soledade, Campinas - SP, CEP 13015-120. Telefone: (19) 99555-0142. Acompanhante: Jorge Rocha Pereira (filho), jorge.rocha@email.com.br. Internação: 14/03/2026. Alta: 19/03/2026. Paciente de 67 anos com DPOC GOLD 3 e hipertensão arterial, procura atendimento por dispneia progressiva há cinco dias. Avaliada pela Dra. Luísa Mendes Ortiz (CRM-SP 152231), que inicia broncodilatadores e corticoide sistêmico. Evolui com melhora; na alta satura 90% com oxigênio a 2 L/min. Solicitada ao convênio Saúde Andina a autorização nº 88213-4 para oxigenoterapia domiciliar. Retorno em 02/04/2026 com o Dr. André Vilela no ambulatório do Hospital Santa Luzia do Norte.

Entende o prontuário brasileiro.

Modelos NER treinados em prontuários, regras para os identificadores que modelos genéricos não conhecem (CPF, CNS, CRM, carteirinha) e uma segunda passada opcional com um LLM rodando no mesmo Nodo. Cada detecção fica registrada com tipo, posição e confiança para auditoria.

Colômbia · Estados Unidos · Brasil

Detalhe da frente microperfurada do Nodo com o LED de status aceso.

Identidade: Nomes e sobrenomesNOME; CPF318.456.789-04; Cartão Nacional de Saúde (CNS)898 0012 3456 7890; Idade67 anos
Clínico: Número do prontuárioPR-0048213; Convênio, carteirinha e hospitalINSTITUIÇÃO; Autorização do convênionº 88213-4; CRM do médicoCRM-SP 152231
Contato: EndereçoRua das Palmeiras, 452; Bairro, cidade e CEP13015-120; Celular e fixo(19) 99555-0142; E-mailE-MAIL
Tempo: Datas numéricas14/03/2026; Datas por extenso2 de abril
Financeiro e digital: Cartões e contasPAN, IBAN; IP, URL, usuárioDIGITAL
Sob medida: Seus próprios tipos: códigos internos, nomes de unidades, números sequenciaisPERSONALIZADO; Treinados com exemplos anotados na interface, sem equipe de ciência de dadosUI

Seis formas de tratar cada dado. Por tipo de entidade.

Escolha uma política por entidade e por projeto: o nome é sintetizado, a data é deslocada, o CPF é tokenizado.

Modo	O que faz	Exemplo
Mascarar	Substitui pelo rótulo do tipo.	Maria F. Rocha → [NOME]
Tokenizar	Token consistente em todo o documento, reversível com o cofre local.	Maria F. Rocha → NOME_1
Sintetizar	Valor realista do mesmo tipo e formato; o texto continua natural.	Maria F. Rocha → Clara I. Monteiro
Deslocar datas	Um mesmo deslocamento por paciente: os intervalos clínicos se mantêm.	14/03 → 08/04
Generalizar	Idade em faixa, CEP reduzido aos cinco primeiros dígitos, para reduzir o risco de reidentificação.	67 anos → 65 a 69
Cifrar com formato	Criptografia que preserva o formato, reversível só com a sua chave.	318.456.789-04 → 702.913.465-18

Entra qualquer arquivo. Sai limpo.

Sai no mesmo formato, ou em Markdown e JSON prontos para RAG, fine-tuning e analytics.

PDF

Entrada: Nativo ou digitalizado, com OCR local
Saída: PDF novo sem camada de texto oculta, metadados nem anexos

Office

Entrada: DOCX, PPTX, XLSX
Saída: O mesmo arquivo, com estrutura e estilos intactos

Dados

Entrada: CSV, JSON, XML, HTML, texto puro
Saída: Campos livres limpos; colunas estruturadas por política

Imagens

Entrada: PNG, JPG, TIFF, fotos de receitas e pedidos
Saída: Texto detectado por OCR e coberto no pixel

Áudio

Entrada: WAV, MP3, ligações do call center
Saída: Transcrição local, silêncio sobre cada trecho sensível

E-mail

Entrada: EML e MSG, com anexos
Saída: Corpo e anexos processados em uma única passada

Em lotes a partir de uma pasta ou bucket, ou documento a documento via API. O mesmo motor nos dois casos.

Velo Nodo.

Um computador de IA do tamanho de um livro. Você o conecta à sua rede, ele inicia sem internet e processa seus documentos na sede.

Memória: 128 GB unificada CPU + GPU
Disco: 4 TB NVMe, criptografado em repouso
Rede: 2 × 10 GbE, modo air-gapped
Tamanho: 15 × 15 × 5 cm
Licença: Validação offline, sem chamadas externas

Especificações de referência, sujeitas a alteração.

Já tem servidores? O Velo Motor se instala no seu cluster com Docker ou Kubernetes, em x86 ou ARM, com GPU NVIDIA de 16 GB ou só com CPU.

Conecta-se ao que você já tem.

API REST e SDK Python para seus pipelines, interface web para quem revisa e conectores para ler e gravar onde seus documentos já estão.

Python · exemplo ilustrativoSDK

from velo import Motor

motor = Motor("https://velo.intranet")   # seu Nodo, dentro da sua rede
doc = motor.procesar("sumario_alta_0048213.pdf",
                     modo="tokenizar", idioma="pt-BR")

respuesta = llm.generar(doc.texto)          # o modelo só vê tokens
print(motor.rehidratar(respuesta, doc.boveda))

Conectores

Amazon S3
Azure Blob
Google Cloud Storage
SharePoint
Pastas SMB e NFS
SFTP
API REST

Governança

Papéis e permissões por projeto, SSO com SAML ou OIDC
Log de auditoria de cada detecção e cada re-hidratação
Revisão humana por amostragem na interface
Recall por tipo de entidade medido no seu próprio conjunto de validação

Marco regulatório

HIPAAEUA
GDPRUnião Europeia
LGPDBrasil
Lei 1581Colômbia
Res. 1995Colômbia

Projetado para apoiar a conformidade com estes marcos. Não são certificações nem selos oficiais.

Pseudonimizar não é anonimizar. Se existe um cofre que permite reverter, o que trafega continua sendo dado pseudonimizado. Ajudamos você a documentar o controle para o seu comitê e a combiná-lo com retenção zero e DPA do seu provedor de nuvem.

Semanas 1 a 3

POC na sua sede

Com 100 a 200 PDFs reais das suas fontes mais frequentes, anotados à mão, medimos o recall por tipo de entidade.

Sob medida

Ajuste ao seu PEP

Regras por formato de exportação (Tasy, MV, Pixeon e outros) e entidades próprias da sua instituição.

Produção

Nodo ou cluster

Instalamos o Nodo ou o Motor na sua infraestrutura, com suporte 8×5 ou 24×7 e atualizações de modelo sem conexão.

Use o modelo que quiser. Ele nunca vai conhecer o seu paciente.

Sua redeNuvem

Entrasumario_alta_0048213.pdf · 3 páginas

Sai para o modelo[NOME_1], [IDADE_1], DPOC GOLD 3, dispneia há cinco dias. Plano de alta?

RespondeOxigenoterapia domiciliar para [NOME_1]; retorno em duas semanas.

Re-hidratado na sua redeOxigenoterapia domiciliar para Maria Fernanda Rocha Cardoso; retorno em duas semanas.

O cofre nunca sai do Nodo. O provedor de nuvem recebe tokens ou substitutos; a resposta volta com seus dados reais só dentro da sua rede.

Teste com o seu próprio texto.

Cole uma nota. Ela é processada no seu navegador com regras de demonstração para prontuários brasileiros; nada é enviado a nenhum servidor. O produto usa modelos NER, não só regras.

Entrada

Saída

Meça com os seus PDFs.

Um POC na sua sede, com seus documentos, sem que nada saia da sua rede. No final você tem o recall por tipo de entidade e um relatório para o seu comitê.

HIPAAEUA
GDPRUnião Europeia
LGPDBrasil
Lei 1581Colômbia

Projetado para apoiar a conformidade.

Perguntas frequentes

O que é o Velo?

O Velo é um software de detecção e anonimização de dados pessoais (PII) para texto clínico que roda on-premise: no Velo Nodo, um computador de IA compacto, ou no seu próprio cluster. Processa prontuários, PDFs, imagens e áudio sem que os dados saiam da sua rede.

Meus dados saem da minha rede?

Não. A detecção, a transformação e o cofre de reversão acontecem dentro da sua infraestrutura. Se você decidir usar um modelo na nuvem, só trafega o texto tokenizado ou sintetizado, e a resposta é re-hidratada localmente.

Pseudonimizar é o mesmo que anonimizar?

Não. Se existe um cofre que permite reverter os tokens, o dado continua pseudonimizado e sujeito à regulação de dados pessoais. A anonimização exige que a reidentificação não seja razoavelmente possível, e isso precisa ser medido.

Quais mercados e identificadores cobre?

Brasil (CPF, Cartão SUS, prontuário, CRM, CEP), Estados Unidos (SSN, MRN, member ID, NPI, ZIP) e Colômbia (cédula, número de prontuário, EPS, endereços no padrão local), além de nomes, datas, telefones, e-mails e instituições.

Quais formatos processa?

PDF nativo e digitalizado com OCR local, DOCX, PPTX, XLSX, CSV, JSON, XML, HTML, imagens, áudio e e-mail com anexos. A saída pode ser o mesmo formato ou Markdown e JSON prontos para RAG.

Como começo?

Com um POC de uma a três semanas na sua sede, sobre 100 a 200 documentos reais anotados à mão. No final você tem o recall por tipo de entidade e um relatório para o seu comitê de privacidade.