Hospital universitario situado entre los 5 más tecnológicos e inteligentes de Europa.
Sanidad
Agente de IA para procesamiento y estructuración de información clínica
En el ámbito sanitario, hospitales y centros médicos generan diariamente grandes volúmenes de información clínica de enorme valor para la asistencia, la investigación y el análisis poblacional.
Buena parte de esta información se encuentra en texto libre, como notas clínicas, informes hospitalarios, registros de urgencias o cursos clínicos. Las abreviaturas, los diferentes estilos de redacción y las múltiples formas de expresar una misma realidad dificultan su procesamiento automático y su reutilización.
En este contexto, Vall d’Hebron necesitaba avanzar en la estructuración y normalización de la información clínica, aprovechando las capacidades de la IA agéntica sin perder la trazabilidad, el contexto original de cada dato ni el control sobre información sanitaria especialmente sensible.
Reto
El principal reto consistía en transformar grandes volúmenes de texto clínico no estructurado en información homogénea y procesable, sin perder el contexto necesario para interpretar y validar cada resultado.
La solución debía identificar automáticamente diagnósticos y procedimientos, reconocer atributos como temporalidad, certeza, negación o sujeto y relacionar cada resultado con la evidencia textual que lo sustenta. Todo ello debía realizarse además dentro de la infraestructura del hospital, evitando que la información clínica saliese de su entorno.
Solución
Foqum ha desarrollado un agente de IA basado en una arquitectura de IA agéntica capaz de procesar episodios clínicos completos y transformar el texto libre en información estructurada, normalizada y trazable.
El sistema coordina diferentes etapas de extracción, resolución y codificación para identificar entidades clínicas y conservar, para cada una de ellas, la frase original, su posición dentro de la nota y atributos como temporalidad, certeza, negación o sujeto. Posteriormente, las entidades pueden codificarse mediante estándares como CIE-10, SNOMED CT u otros vocabularios definidos por la organización, facilitando la interoperabilidad y la explotación posterior de los datos.
La solución se ejecuta on-premise mediante modelos de IA desplegados en la propia infraestructura hospitalaria, manteniendo la privacidad y el control sobre los datos. El pipeline ha alcanzado una latencia de 5,29 segundos por nota en entorno de producción, demostrando la viabilidad de aplicar IA agéntica al procesamiento clínico de forma eficiente y habilitando nuevas capacidades para investigación, análisis poblacional e interoperabilidad.
