Este artigo apresenta uma abordagem simples para ajustar hiperparâmetros de modelos de machine learning de forma automática e eficiente utilizando o Optuna como framework de otimização. Exploramos como utilizar tanto as opções nativas de armazenamento do Optuna quanto o InterSystems IRIS como backend de banco de dados para acompanhar o progresso das buscas por hiperparâmetros. Também mostramos como o MLflow pode ser usado para monitorar experimentos e gerenciar modelos por meio de sua interface de rastreamento e registro de modelos.

Visão Geral

O Smart Patient Summary Generator é uma aplicação de demonstração baseada em IA desenvolvida para o InterSystems IRIS for Health. Ele lê dados de pacientes no padrão FHIR R4, extrai informações clínicas essenciais e gera resumos concisos direcionados a quatro papéis (roles) diferentes:

• Médico Plantonista
• Gestor de Cuidados
• Paciente
• Cuidador Familiar

Ao consolidar registros FHIR fragmentados em resumos específicos para cada papel, a aplicação ajuda profissionais de saúde a compreender rapidamente o quadro atual do paciente, mudanças recentes e riscos de acompanhamento.

O problema real

Às 16h57 de uma sexta-feira, um pedido de exame de rotina falhou.

A amostra do paciente já estava em trânsito. O laboratório de referência externo rejeitou a requisição — não conseguiu identificar o paciente de forma única. A operadora de saúde rejeitou a autorização por um motivo diferente. Nenhum dos sistemas falava a mesma linguagem, nenhum expunha mensagens de erro compatíveis, e a única camada de integração no meio simplesmente repassava as requisições.

Olá!

Estou tentando compilar uma classe com Embedded Python e recebo este erro:

Compilation started on 06/12/2026 11:44:17 with qualifiers 'cuk'
Compiling class User.VectorSearch
ERROR #7802: Worker job/s '749:33' unexpectedly shut down in group '#Default:(446070926892):0'.
ERROR #7812: Work queue unexpectedly removed, shutting down.
ERROR #5002: ObjectScript error: <THROW>WaitForComplete+215^%SYS.WorkQueueMgr *%Exception.StatusException ERROR #7802: Worker job/s '749:33' unexpectedly shut down in group '#Default:(446070926892):0'.
ERROR #7812: Work queue unexpectedly removed, shutting down.
Detected 3 errors during compilation in 1.020s.

Olá a todos. 

Após tentar executar métodos Python no Docker intersystemsdc/irishealth-community, que agora não permite executar nenhum método com Python, decidi deixar essa versão e começar a trabalhar com o [containers.intersystems.com/intersystems/iris-community](https://containers.intersystems.com/intersystems/iris-community). 

Neste ambiente os métodos Python funcionam, o que já foi um passo bem grande. Estou tentando importar minhas bibliotecas com pip install -r requirements.txt

Se o seu código em Embedded Python chamar a biblioteca tkinter (que é utilizada por várias bibliotecas de geração de gráficos, incluindo a matplotlib), você poderá se deparar com o seguinte erro:

<THROW> *%Exception.PythonException <CLASS DOES NOT EXIST> 230 ^^0^DO ##CLASS(User.Test).Test() 
<class '_tkinter.TclError'>: Can't find a usable init.tcl in the following directories:

c:/intersystems/irispy/lib/python/lib/tcl8.6
c:/intersystems/irispy/lib/tcl8.6
c:/intersystems/lib/tcl8.6
c:/intersystems/irispy/library
c:/intersystems/library
c:/intersystems/tcl8.6.9/library
c:/tcl8.6.9/library

This probably means that Tcl wasn't installed properly.

No artigo anterior, usamos o pyprod para criar componentes de produção enquanto dependíamos da interface de usuário (UI) para a configuração da produção. Essa mesma produção agora pode ser definida inteiramente em Python:

from intersystems_pyprod import Production, ServiceItem, ProcessItem, OperationItem

iris_package_name = "HelloWorld"

class MyProduction(Production):
    services = [
        ServiceItem(
            "MyServiceName",
            "HelloWorld.MyService",
            host_settings={"target": "MyProcessName"},
        )
    ]
    processes = [
        ProcessItem(
            "MyProcessName",
            "HelloWorld.MyProcess",
            host_settings={"target": "MyOperationName"},
        )
    ]
    operations = [
        OperationItem("MyOperationName", "HelloWorld.MyOperation")
    ]

Olá,

Sou eu de novo 😁, recentemente estou trabalhando na geração de alguns dados fictícios de pacientes para fins de teste com a ajuda do Chat-GPT usando Python. E, ao mesmo tempo, gostaria de compartilhar minha curva de aprendizado. 😑

Antes de mais nada, construir um serviço de API REST personalizado é fácil estendendo a classe %CSP.REST. Criando um Serviço REST Manualmente Vamos começar! 😂

1. Crie uma classe datagen.restservice que estende %CSP.REST

ClassExtends%CSP.REST

2. Adicione uma função

    Olá a todos! 👋
    Estou animado em compartilhar o projeto que enviei para o atual InterSystems .Net, Java, Python, and JavaScript Contest — ele se chama IRIStool and Data Manager, e você pode encontrá-lo no InterSystems Open Exchange e na minha página do GitHub.

Ao desenvolver aplicações Python com o InterSystems IRIS, você pode rapidamente acabar com vários contextos de execução:

• Python iniciado diretamente pelo IRIS com Embedded Python;
• um processo python3 comum que carrega as bibliotecas Embedded Python de uma instalação local do IRIS;
• uma aplicação Python externa que se conecta ao IRIS através do driver nativo oficial.

Esses três casos são úteis, mas eles não se comportam exatamente da mesma forma para imports, configuração do sistema, APIs de objetos e acesso SQL.

Os globals do InterSystems IRIS são um dos principais pontos fortes da plataforma: eles armazenam dados hierárquicos em uma estrutura direta, ordenada e eficiente. Mas ao trabalhar com Python, manipular globals às vezes pode parecer mais próximo de uma API de baixo nível do que dos hábitos naturais da linguagem.

O projeto iris-global-reference fornece uma camada Python sobre os globals do IRIS. Seu objetivo é simples: tornar o acesso aos globals mais legível, mais idiomático e mais fácil de integrar em código Python moderno, sem esconder o modelo hierárquico subjacente.

Olá Comunidade,

Aproveite o novo vídeo no canal InterSystems Developers no YouTube:

⏯ Obtendo Sucesso no Desenvolvimento em Python no InterSystems IRIS @ Ready 2025

Apresentando o iris-synthetic-data-gen

Hoje publiquei um novo pacote no Open Exchange para geração de dados sintéticos diretamente no IRIS.

Pode ser um processo frustrante encontrar datasets decentes quando você está tentando montar um aplicativo de demonstração. Talvez o dataset não seja tão importante, mas você ainda quer que ele pareça minimamente realista e com várias tabelas relacionadas que sejam utilizáveis diretamente no IRIS, com os elegantes joins implícitos usando ->

Desde que comecei a usar o Claude Code, minha motivação para criar coisas disparou.

Anteriormente, mesmo que eu quisesse construir algo, o ato de codificar parecia um incômodo, então, a menos que houvesse uma necessidade muito forte, eu raramente chegava ao ponto de programar. Mas agora, se eu apenas anotar as especificações, o Claude Code cuida do resto automaticamente, resultando em uma melhoria dramática na produtividade.

Eu venho de uma geração nativa em ObjectScript, então costumava sentir certa hesitação quando se tratava de mudar para o Python.

Trabalhar com arquivos geralmente começa de forma simples: abrir o arquivo, ler e processar. Essa abordagem funciona perfeitamente, até que o arquivo seja um Excel.

Uma Suposição Comum

À primeira vista, um arquivo Excel (.xlsx) parece apenas mais um arquivo de dados, linhas, colunas e valores. Nada incomum. Portanto, é natural assumir que ele pode ser lido da mesma forma que um arquivo .txt ou .csv. Mas é aí que as coisas começam a dar errado.

Por que arquivos Excel se comportam de forma diferente

A principal diferença está em como os dados são armazenados:

-> .txt / .

Introdução

Em um artigo anterior, apresentei o módulo IRIStool, que integra de forma transparente a biblioteca pandas do Python com o banco de dados IRIS. Agora, estou explicando como podemos usar o IRIStool para aproveitar o InterSystems IRIS como base para buscas inteligentes e semânticas sobre dados de saúde no formato FHIR.

Este artigo cobre o que fiz para criar o banco de dados de outro dos meus projetos, o FHIR Data Explorer. Ambos os projetos são candidatos no concurso atual da InterSystems, então, por favor, vote neles se os achar úteis.

Ao trabalhar com linguagens externas para o IRIS (como Python e Node.js), uma das primeiras coisas que você precisa fazer é estabelecer uma conexão com uma instância do IRIS.

Por exemplo, para criar uma conexão em Python (https://pypi.org/project/intersystems-irispython/):

import iris

# Open a connection to the server
args = {
	'hostname':'127.0.0.1', 
	'port': 1972,
	'namespace':'USER', 
	'username':'username', 
	'password':'password'
}
conn = iris.connect(**args)

# Create an iris object
irispy = iris.createIRIS(conn)

# Create a global array in the USER namespace on the server
irispy.set("myGlobal", "hello world!") 

Este artigo irá introduzir você ao conceito de ambientes virtuais em Python, que são essenciais para gerenciar dependências e isolar projetos do sistema operacional.

O que é um ambiente virtual?

Um ambiente virtual é uma pasta que contém:

• Uma versão específica do Python
• No início, um diretório site-packages vazio

Ambientes virtuais ajudam a isolar seu projeto da instalação do Python do sistema operacional e de outros projetos.

Como usá-lo?

No cenário moderno da saúde, encontrar pacientes clinicamente semelhantes muitas vezes parece procurar uma agulha no palheiro. As buscas tradicionais por palavras-chave frequentemente falham porque a linguagem médica é altamente específica; uma pesquisa por "Insuficiência Cardíaca" pode não encontrar um registro que contenha "Insuficiência Cardíaca Congestiva".

Tenho o prazer de apresentar o iris-medmatch, um mecanismo de correspondência de pacientes com IA, desenvolvido sobre o InterSystems IRIS for Health.

iris-budget

Eu criei o aplicativo iris-budget para o InterSystems Full Stack Contest em 2026. Por full stack, queremos dizer uma aplicação web ou móvel de frontend que insere, atualiza ou exclui dados no InterSystems IRIS via REST API, Native API, ODBC/JDBC ou Embedded Python.

Meu aplicativo usa múltiplas REST APIs para adicionar uma nova categoria ou recuperar uma lista de categorias de despesas e receitas.

Primeira aplicação web /csp/coffee

Eu herdei /csp/coffee do module.xml no iris-fullstack-template.

Sergunda aplicação web /csp/budget

Para este projeto, criei um arquivo Swagger chamado "budget.

Global Guard AI

1 Introdução

Em ambientes que utilizam InterSystems IRIS, os globals são a base física do armazenamento de dados. Apesar de existirem consultas de sistema e ferramentas administrativas para inspeção de métricas, a análise de crescimento de globals costuma ser reativa: o problema geralmente é percebido apenas quando há pressão de disco ou impacto de performance.

O reconhecimento facial tornou-se o método mais popular para validar a identidade das pessoas, permitindo assim o acesso a sistemas, a confirmação de dados pessoais e documentais e a aprovação de ações e documentos.
Os desafios estão relacionados ao desempenho quando o banco de dados é muito grande, à precisão e, principalmente, à privacidade dos dados faciais biométricos. Para esses desafios, nada é melhor do que usar o InterSystems Vector Search, pois ele permite:

1. Realizar buscas vetoriais em milhões de registros com respostas muito mais rápidas do que os métodos tradicionais.