Emparejamiento clínico impulsado por IA: presentamos iris-medmatch
En el panorama sanitario moderno, encontrar pacientes clínicamente similares a menudo es como buscar una aguja en un pajar. Las búsquedas tradicionales por palabras clave suelen fallar porque el lenguaje médico es muy matizado; una búsqueda de "Heart Failure" podría no encontrar un registro que contenga "Congestive Cardiac Failure".
Me complace compartir iris-medmatch, un motor de emparejamiento de pacientes impulsado por IA y desarrollado sobre InterSystems IRIS for Health. Al aprovechar Vector Search, esta herramienta entiende la intención clínica en lugar de limitarse a comparar cadenas de texto literales.
## La innovación principal: búsqueda clínica semántica
`iris-medmatch` tiende un puente entre los datos FHIR en bruto y la información accionable basada en IA. Al utilizar el modelo `all-MiniLM-L6-v2`, el motor transforma las condiciones clínicas en vectores matemáticos.
Mientras que las búsquedas estándar buscan palabras exactas, este motor comprende el **contexto clínico**. Por ejemplo, puede asociar un paciente con "Hypertension" a una búsqueda de "High Blood Pressure" utilizando la similitud matemática entre vectores.
✨ Principales características técnicas
- Núcleo: InterSystems IRIS, Embedded Python, InterSystems FHIR Server, Vector search
- IA: Python, ONNX Runtime, HuggingFace Transformers
- Frontend: Angular 18+
Arquitectura técnica
La fortaleza de esta solución radica en su eficiencia arquitectónica. Al ejecutar Transformers mediante Embedded Python, eliminamos los problemas de "gravedad de datos". Los datos permanecen en IRIS y el procesamiento de IA ocurre donde los datos residen.
🚀 Recorrido de la aplicación
- Búsqueda de similitud semántica (El factor "Wow")
Este módulo utiliza Vector Search para comprender sinónimos médicos. Una búsqueda de "Cardiac Issues" encontrará matemáticamente "Myocardial Infarction" comparando sus posiciones vectoriales dentro de IRIS. Esto se logra usando SQL nativo de IRIS para calcular puntuaciones de similitud en subsegundos.
- Directorio de pacientes y enriquecimiento de condiciones
Este módulo gestiona los recursos FHIR existentes. Los usuarios pueden agregar nuevos diagnósticos a través de un modal de alto rendimiento, demostrando la sincronización en tiempo real entre los datos FHIR estándar y los datos vectoriales preparados para IA.
- Registro de nuevos pacientes
Un punto de entrada simplificado para crear nuevos recursos Patient dentro del ecosistema de InterSystems. Esto incluye interacción directa con el Repositorio FHIR R4 mediante solicitudes POST RESTful estándar, asegurando que los datos se indexen y sean buscables de inmediato.
Conclusión
iris-medmatch demuestra cómo InterSystems IRIS está evolucionando hacia una base de datos totalmente AI-Native. Al combinar la fiabilidad de FHIR con el poder de Vector Search, podemos crear aplicaciones sanitarias que realmente "entienden" los datos clínicos que almacenan.